在centos系统上启用pytorch gpu加速，需要一系列步骤，包括安装必要的驱动程序、库和pytorch本身。以下步骤将引导您完成整个过程：
第一步：安装NVIDIA驱动程序
首先，从NVIDIA官方网站下载并安装与您的显卡型号兼容的驱动程序。请确保下载正确的版本。
第二步：配置ELRepo仓库
ELRepo是一个第三方软件仓库，提供许多CentOS系统缺失的软件包，包括NVIDIA驱动和CUDA工具包。
# 导入ELRepo GPG密钥 rpm --import https://www.elrepo.org/RPM-GPG-KEY-elrepo.org # 安装ELRepo仓库 rpm -Uvh http://www.elrepo.org/elrepo-release-7.0-2.el7.elrepo.noarch.rpm # 请根据您的CentOS版本调整版本号 # 安装nvidia内核模块 yum install kmod-nvidia
第三步：安装CUDA工具包
根据您的CUDA版本选择合适的安装命令。以下示例使用CUDA 11.1：
# 更新yum缓存 yum clean all yum makecache yum -y update # 下载并安装CUDA仓库 wget https://developer.download.nvidia.com/compute/cuda/11.1/Prod/local_installers/cuda-repo-rhel7-11-1-local-11.1.85-450.51.06-1.el7.x86_64.rpm # 请根据您的CUDA版本和系统架构调整链接 sudo rpm -i cuda-repo-rhel7-11-1-local-11.1.85-450.51.06-1.el7.x86_64.rpm sudo yum clean all sudo yum -y install cuda
第四步：安装cuDNN
cuDNN是CUDA深度神经网络库，需要与您的CUDA版本匹配。从NVIDIA官方网站下载对应版本的cuDNN，并按照其安装指南进行安装。
第五步：安装nvidia-docker (可选，用于Docker容器)
如果您计划在Docker容器中使用GPU，则需要安装nvidia-docker。
# 安装Docker sudo yum install docker # 添加NVIDIA容器运行时仓库 distribution=$(. /etc/os-release;echo $ID$VERSION_ID) curl -s -L https://nvidia.github.io/nvidia-docker/$distribution/nvidia-docker.repo | sudo tee /etc/yum.repos.d/nvidia-docker.repo # 安装nvidia-docker2 sudo yum install -y nvidia-docker2 # 重启Docker服务 sudo systemctl restart docker
第六步：验证CUDA安装
运行以下命令验证CUDA是否正确安装：
nvcc --version
第七步：使用conda安装PyTorch
创建一个conda环境并安装PyTorch，选择与您的CUDA版本兼容的PyTorch版本。以下示例使用CUDA 11.1：
# 创建conda环境 conda create -n pytorch_env python=3.8 conda activate pytorch_env # 安装PyTorch (请根据您的CUDA版本选择正确的链接) pip install torch torchvision torchaudio -f https://download.pytorch.org/whl/cu111/torch_stable.html
第八步：验证PyTorch GPU支持
运行以下Python代码验证PyTorch是否能够使用GPU：
import torch print(torch.cuda.is_available()) # 应该输出True print(torch.cuda.device_count()) # 输出可用的GPU数量
如果torch.cuda.is_available()输出True，则表示PyTorch已成功配置GPU支持。 请注意，以上步骤中的某些链接和版本号可能需要根据您的系统和软件版本进行调整。 请参考PyTorch和NVIDIA官方文档以获取最新信息和更详细的指导。
