Centos下PyTorch GPU版本安装

百度的飞桨paddlepaddle、谷歌的TensorFlow、Facebook的PyTorch是目前深度学习领域主流的三大框架。飞桨（PaddlePaddle）以百度多年的深度学习技术研究和业务应用为基础，集深度学习核心训练和推理框架、基础模型库、端到端开发套件、丰富的工具组件于一体，是中国首个自主研发、功能完备、开源开放的产业级深度学习平台。TensorFlow是当前人工智能主流开发工具之一，是基于由 Jeff Dean 领头的谷歌大脑团队基于谷歌内部第一代深度学习系统 DistBelief 改进来的通用计算框架，在GitHub和工业界有较高的应用程度和实用度。Pytorch目前主要在学术研究方向领域处于领先地位，许多学术论文都是用pytorch编写的,它可以使用强大的GPU加速的Tensor计算（比如：Numpy的使用）以及可以构建带有autograd的深度神经网络；同时，PyTorch 的代码很简洁、易于使用、支持计算过程中的动态图而且内存使用很高效，版本之间差异也不大，没有升级方面的困难。

理论上PyTorch安装十分简单，没有什么难度。但在安装支持GPU版本的PyTorch过程中，经常面临许多选择，对初次接触的人会经常反复，并且由于网速的原因，一旦选择出现问题会耗费大量的时间。因此，本文主要是就踩过的坑进行一下总结。

PyTorch版本选择

到目前为止，PyTorch官网提供的最新版本为PyTorch2.0.1。但在安装时首先要产看自己的Centos版本适用哪些版本的CUDA，并不是版本要高越好。比如，centos8在cuda网站上就找不到11.7版本以上的安装程序（网址为:CUDA Toolkit Archive | NVIDIA Developer）,而只能安装cuda-11.0~11.6之间的版本；其次，要查看PyTorch官网提供的安装命令中（网址为:Previous PyTorch Versions | PyTorch）;第三，要查看GPU能支持的CUDA版本。

只有综合上面3个因素综合考虑才能够避免重复下载安装。

另外，配合CUDA往往还需要安装cudnn(下载网址为:cuDNN Archive | NVIDIA Developer)，cudnn与cuda版本也有对应关系，根据自己安装的CUDA版本选择对应版本即可。同时，cuDNN不需要安装，只需要解压后将其目录下的文件复制到cuda对应的目录即可。如：

cp /root/cudnn-linux-x86_64-8.9.4.25_cuda11-archive/include/*.h /usr/local/cuda/include/

cp /root/cudnn-linux-x86_64-8.9.4.25_cuda11-archive/lib/libcudnn* /usr/local/cuda/lib64/

上面的命令中：/root/cudnn-linux-x86_64-8.9.4.25_cuda11-archive是cuDNN解压后的目录；/usr/local/cuda是cuda的安装目录。