### 安装和配置Python 3.6与CUDA 11.2 #### Python 3.6安装 为了确保在CentOS上正确安装并使用Python 3.6，在开始之前确认系统的更新状态是最新的： ```bash sudo yum update -y ``` 接着，通过软件集合(Software Collections, SCL)来安装Python 3.6。SCL允许在同一系统中运行多个版本的应用程序而不会相互干扰。 ```bash sudo yum install centos-release-scl -y sudo yum install rh-python36 -y scl enable rh-python36 bash ``` 上述命令会启用rh-python36环境变量设置脚本，并将其效果应用于当前shell会话[^1]。 对于长期解决方案，可以考虑将`scl enable`命令加入用户的`.bashrc`文件中以便每次登录时自动加载此环境。 #### CUDA 11.2安装 针对CUDA 11.2的安装过程如下所示： 首先移除任何旧版NVIDIA驱动程序（如果存在），因为新版本可能与其不兼容: ```bash sudo rpm -qa | grep cuda sudo rpm -e --nodeps $(rpm -qa | grep nvidia) ``` 下载适用于CentOS/RHEL平台的CUDA Toolkit 11.2 runfile (local)，可以从[NVIDIA官方网站](https://developer.nvidia.com/cuda-downloads)获取对应链接。 执行runfile完成安装操作前，请先关闭X server服务以防止图形界面冲突；之后再按照提示逐步进行安装直到结束。 ```bash sudo service lightdm stop # 或者其他显示管理器如gdm等 chmod +x ./cuda_11.2.*.run sudo sh ./cuda_11.2.*.run ``` 重启计算机使更改生效，并验证安装成功与否： ```bash nvidia-smi nvcc --version ``` 最后一步是为了让PyTorch能够识别GPU设备，还需要额外编译支持CUDA扩展模块的支持库，这通常涉及到安装一些必要的开发工具包，比如gcc-c++, python3-devel, make 和 cmake等[^2]。 #### 验证配置 一旦完成了以上步骤，则可以通过创建一个新的Conda虚拟环境中指定所需的Python版本号来进行最终测试： ```bash conda create -n pytorch_cuda_env python=3.6 conda activate pytorch_cuda_env pip install torch torchvision torchaudio cudatoolkit=11.2 python -c "import torch; print(torch.cuda.is_available())" ``` 这段代码应该返回True表示一切正常工作。