在centos系统上搭建pytorch深度学习环境，步骤如下：
Anaconda安装
推荐使用Anaconda，这是一个包含Python、conda以及众多科学计算库的开源发行版。 请访问Anaconda官网下载适用于CentOS的版本并完成安装。
PyTorch安装
利用conda包管理器安装PyTorch和torchvision：
conda install pytorch torchvision -c pytorch
如需特定版本的PyTorch，请参考PyTorch官网的安装指南，选择匹配CentOS系统的版本和安装方法。
PyTorch Geometric及相关库安装 (可选)
PyTorch Geometric是用于图神经网络(GNNs)的PyTorch扩展库。若需进行图相关的深度学习任务，则需安装PyTorch Geometric及其依赖库：
对于PyTorch 2.3及以上版本：
pip install torch_geometric
对于更低版本的PyTorch，则需要安装以下库：
conda install pyg -c pyg
以及PyTorch Geometric的其他扩展库 (如需)：
pip install pyg_lib torch_scatter torch_sparse torch_cluster torch_spline_conv -f https://data.pyg.org/whl/torch-2.5.0+${CUDA}.html
请将${CUDA}替换为你的PyTorch CUDA版本 (例如：cpu, cu118, cu121, cu124124)。
”扩展PHP“说起来容易做起来难。PHP已经进化成一个日趋成熟的源码包几十兆大小的工具。要骇客如此复杂的一个系统，不得不学习和思考。构建本章内容时，我们最终选择了“在实战中学习”的方式。这不是最科学也不是最专业的方式，但是此方式最有趣，也得出了最好的最终结果。下面的部分，你将先快速的学习到，如何获得最基本的扩展，且这些扩展立即就可运行。然后你将学习到 Zend 的高级 API 功能，这种方式将不得
环境验证
安装完成后，运行以下简单程序验证PyTorch是否安装成功：
import torch x = torch.tensor([1.0, 2.0, 3.0]) y = x + 2 print(y)
程序成功运行并输出结果，则表示PyTorch安装成功。
GPU支持配置 (可选)
拥有NVIDIA GPU并希望利用GPU加速深度学习训练，则需要安装CUDA和cuDNN。 请访问NVIDIA官网下载并安装与你的显卡兼容的CUDA Toolkit版本，再安装cuDNN (NVIDIA提供的深度学习加速库)。
安装完成后，使用以下命令启用PyTorch的GPU支持：
conda install cudatoolkit -c pytorch
确保CUDA路径已添加到系统环境变量中，以便PyTorch能够找到并使用GPU进行计算。
通过以上步骤，你可以在CentOS系统上成功安装并配置PyTorch，开始你的深度学习之旅。 如有任何问题，请参考PyTorch官方文档或相关社区资源。
