CentOS深度学习环境搭建（从零开始配置CUDA、cuDNN与PyTorch）

一、准备工作

在开始之前，请确保你满足以下条件：

• 一台安装了CentOS 7或CentOS 8的物理机或云服务器（推荐CentOS 7.9）
• 一块支持CUDA的NVIDIA显卡（如GTX 10系列、RTX 20/30/40系列或Tesla系列）
• 具备root权限或sudo权限
• 网络连接正常（用于下载依赖包）

二、更新系统并安装基础依赖

首先，打开终端，执行以下命令更新系统并安装必要工具：

sudo yum update -ysudo yum groupinstall -y "Development Tools"sudo yum install -y epel-releasesudo yum install -y wget vim git python3 python3-pip

确认Python 3和pip已正确安装：

python3 --versionpip3 --version

三、安装NVIDIA显卡驱动

深度学习离不开GPU加速，因此必须先安装NVIDIA官方驱动。

1. 禁用默认的nouveau驱动（开源但不支持CUDA）：

echo 'blacklist nouveau' | sudo tee -a /etc/modprobe.d/blacklist.confecho 'options nouveau modeset=0' | sudo tee -a /etc/modprobe.d/blacklist.confsudo dracut --force

2. 重启系统以生效：

sudo reboot

3. 重启后，进入命令行模式（无图形界面），下载并安装NVIDIA驱动：

# 查看显卡型号lspci | grep -i nvidia# 下载驱动（以535版本为例，请根据官网选择最新版）wget https://us.download.nvidia.com/XFree86/Linux-x86_64/535.113.01/NVIDIA-Linux-x86_64-535.113.01.run# 安装驱动sudo sh NVIDIA-Linux-x86_64-535.113.01.run

安装过程中按提示操作，建议接受默认选项。安装完成后验证：

nvidia-smi

如果看到GPU信息表格，说明驱动安装成功！

四、安装CUDA Toolkit

CUDA是NVIDIA提供的并行计算平台，深度学习框架依赖它进行GPU加速。请根据你的驱动版本选择兼容的CUDA版本（参考官方文档）。

以CUDA 11.8为例（适用于大多数PyTorch/TensorFlow版本）：

wget https://developer.download.nvidia.com/compute/cuda/11.8.0/local_installers/cuda_11.8.0_520.61.05_linux.runsudo sh cuda_11.8.0_520.61.05_linux.run

安装时取消勾选“Driver”（因为我们已单独安装），只保留“CUDA Toolkit”和“Symbolic Link”。安装完成后，配置环境变量：

echo 'export PATH=/usr/local/cuda-11.8/bin:$PATH' >> ~/.bashrcecho 'export LD_LIBRARY_PATH=/usr/local/cuda-11.8/lib64:$LD_LIBRARY_PATH' >> ~/.bashrcsource ~/.bashrc

验证CUDA安装：

nvcc --version

五、安装cuDNN

cuDNN（CUDA Deep Neural Network library）是NVIDIA提供的深度学习原语库，能显著加速卷积等操作。

1. 访问 NVIDIA cuDNN官网，注册账号并下载与CUDA 11.8兼容的cuDNN（需登录）。

2. 假设你下载的是 cudnn-linux-x86_64-8.9.2.26_cuda11-archive.tar.xz，执行以下命令安装：

tar -xvf cudnn-linux-x86_64-8.9.2.26_cuda11-archive.tar.xzsudo cp cudnn-*-archive/include/cudnn*.h /usr/local/cuda/include sudo cp -P cudnn-*-archive/lib/libcudnn* /usr/local/cuda/lib64 sudo chmod a+r /usr/local/cuda/include/cudnn*.h /usr/local/cuda/lib64/libcudnn*

六、安装PyTorch深度学习框架

现在可以安装PyTorch了！推荐使用pip安装GPU版本：

pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118

验证PyTorch是否能调用GPU：

python3 -c "import torch; print(torch.cuda.is_available())"# 输出 True 表示成功！

七、总结

恭喜你！你已经成功在CentOS上搭建了完整的深度学习开发环境。整个流程涵盖了驱动、CUDA、cuDNN和PyTorch的安装，适用于大多数Linux深度学习教程中的项目需求。

后续你可以继续安装Jupyter Notebook、TensorFlow或其他工具。记住定期备份环境，并关注NVIDIA和PyTorch的版本兼容性。

如果你在操作中遇到问题，欢迎在评论区留言交流。祝你在CentOS深度学习环境搭建的道路上一帆风顺！