在centos上安装pytorch可能会遇到一些障碍，但通过以下步骤，你可以解决大多数问题：
系统更新
首先，确保你的centos系统是最新的：
sudo yum update -y
安装Miniconda
Miniconda是Anaconda的简化版本，包含conda、python以及180多个科学包及其依赖项。你可以从Miniconda官方网站下载适合你系统的安装包，并按照安装向导进行安装。
wget https://repo.anaconda.com/miniconda/Miniconda3-latest-linux-x86_64.sh bash Miniconda3-latest-Linux-x86_64.sh
在安装过程中，你需要接受许可协议、选择安装路径等。安装完成后，重启你的shell或终端。
创建虚拟环境
建议在虚拟环境中安装，以避免依赖冲突。例如，创建一个名为 study_torch 的虚拟环境，并安装Python 3.10：
conda create -n study_torch python=3.10 conda activate study_torch
配置conda源
为了加快下载速度并确保使用最新的PyTorch版本，可以配置conda源。编辑 ~/.condarc 文件，添加清华大学的镜像源：
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
安装PyTorch
根据你的需求选择CPU或GPU版本的PyTorch。以下是以CPU版本为例的安装命令：
conda install pytorch torchvision torchaudio cpuonly -c pytorch
如果你有NVIDIA GPU并希望使用GPU加速，可以参考在Linux服务器上配置PyTorch的教程，根据CUDA版本选择合适的PyTorch版本进行安装。
conda install pytorch torchvision torchaudio cudatoolkit=your_cuda_version -c pytorch
请将 your_cuda_version 替换为你的系统上安装的CUDA版本，例如 cudatoolkit11.1。
验证安装
安装完成后，可以通过以下代码验证PyTorch是否安装成功：
import torch print(torch.__version__) print(torch.cuda.is_available())
如果一切正常，你应该能看到PyTorch的版本号以及CUDA是否可用（取决于你的系统配置）。
配置GPU（可选）
如果你有NVIDIA GPU并希望使用GPU加速，确保CUDA和cuDNN已安装，并配置PyTorch使用GPU：
import torch device = torch.device("cuda" if torch.cuda.is_available() else "cpu") model.to(device)
部署为服务（可选）
你可以使用flask或fastapi将模型部署为API服务。以下是一个简单的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)
然后使用以下命令启动服务：
uvicorn app:app --host 0.0.0.0 --port 8000
希望这些步骤能帮助你在CentOS上顺利安装PyTorch。如果遇到其他问题，请查阅PyTorch的官方文档或相关社区论坛。
