在centos上安裝pytorch可能會遇到一些障礙，但通過以下步驟，你可以解決大多數問題：
系統更新
首先，確保你的centos系統是最新的：
sudo yum update -y
安裝Miniconda
Miniconda是Anaconda的簡化版本，包含conda、python以及180多個科學包及其依賴項。你可以從Miniconda官方網站下載適合你系統的安裝包，并按照安裝向導進行安裝。
wget https://repo.anaconda.com/miniconda/Miniconda3-latest-linux-x86_64.sh bash Miniconda3-latest-Linux-x86_64.sh
在安裝過程中，你需要接受許可協議、選擇安裝路徑等。安裝完成后，重啟你的shell或終端。
創建虛擬環境
建議在虛擬環境中安裝，以避免依賴沖突。例如，創建一個名為 study_torch 的虛擬環境，并安裝Python 3.10：
conda create -n study_torch python=3.10 conda activate study_torch
配置conda源
為了加快下載速度并確保使用最新的PyTorch版本，可以配置conda源。編輯 ~/.condarc 文件，添加清華大學的鏡像源：
channels: - https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/ - https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/ - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/ - https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/ show_channel_urls: true auto_activate_base: false
安裝PyTorch
根據你的需求選擇CPU或GPU版本的PyTorch。以下是以CPU版本為例的安裝命令：
conda install pytorch torchvision torchaudio cpuonly -c pytorch
如果你有NVIDIA GPU并希望使用GPU加速，可以參考在Linux服務器上配置PyTorch的教程，根據CUDA版本選擇合適的PyTorch版本進行安裝。
conda install pytorch torchvision torchaudio cudatoolkit=your_cuda_version -c pytorch
請將 your_cuda_version 替換為你的系統上安裝的CUDA版本，例如 cudatoolkit11.1。
驗證安裝
安裝完成后，可以通過以下代碼驗證PyTorch是否安裝成功：
import torch print(torch.__version__) print(torch.cuda.is_available())
如果一切正常，你應該能看到PyTorch的版本號以及CUDA是否可用（取決于你的系統配置）。
配置GPU（可選）
如果你有NVIDIA GPU并希望使用GPU加速，確保CUDA和cuDNN已安裝，并配置PyTorch使用GPU：
import torch device = torch.device("cuda" if torch.cuda.is_available() else "cpu") model.to(device)
部署為服務（可選）
你可以使用flask或fastapi將模型部署為API服務。以下是一個簡單的FastAPI示例：
from fastapi import FastAPI from transformers import AutoModelForCausalLM, AutoTokenizer import torch app = FastAPI() model_name = "deepseek-ai/deepseek-large" tokenizer = AutoTokenizer.from_pretrained(model_name) model = AutoModelForCausalLM.from_pretrained(model_name) device = torch.device("cuda" if torch.cuda.is_available() else "cpu") model.to(device) @app.post("/generate") async def generate(text: str): inputs = tokenizer(text, return_tensors="pt").to(device) outputs = model.generate(**inputs) return {"response": tokenizer.decode(outputs[0], skip_special_tokens=True)} if __name__ == "__main__": import uvicorn uvicorn.run(app, host="0.0.0.0", port=8000)
然后使用以下命令啟動服務：
uvicorn app:app --host 0.0.0.0 --port 8000
希望這些步驟能幫助你在CentOS上順利安裝PyTorch。如果遇到其他問題，請查閱PyTorch的官方文檔或相關社區論壇。
