环境配置总结
一、连接服务器
1.1 命令行
登录：
ssh 用户名@服务器IP地址 -p 端口号 然后输入密码就可以了。
缺点是上传下载文件比较麻烦。
1.2 FinalShell
配置好信息即可，上传下载文件方便，有可视化文件管理。
; 二、Pytorch环境配置
2.1 conda
Conda 是一个开源的软件包管理系统和环境管理系统，用于安装多个版本的软件包及其依赖关系，并在它们之间轻松切换。
一般服务器上都先装好了conda，直接创建一个个人虚拟环境。
conda create -n 个人环境名称 python=3.7 ，这样就创建好了一个pyhon版本为3.7的虚拟环境。
激活这个环境： conda activate your_env_name ,就能看到环境由 base 切换到了 your_env_name 。
退出环境： conda deactivate
Conda常用命令：
查看已有环境
conda env list
查看已安装的包
conda list
更改镜像源
conda config --add channels 源地址
conda config --set show_channel_urls yes
删除环境
conda remove -n your_env_name --all
2.2 pytorch 安装
1、 在线安装
首先查看GPU的CUDA版本号： nvidia-smi (中间没有空格！)
在 pytorch官网 选择对应CUDA版本、操作系统等，最下面就会给出命令。
直接在你的个人环境下运行这条命令即可，遇到网络的问题可以考虑换源。
这里有其他版本：https://pytorch.org/get-started/previous-versions/
2、离线安装
网址：https://download.pytorch.org/whl/cu101
这里是对应cuda10.1版本。找到相应的torch和torchvison文件下载。
torch-1.5.1+cu101-cp37-cp37m-linux_x86_64.whl
torchvision-0.6.1+cu101-cp37-cp37m-linux_x86_64.whl
就比如这两个，cp37代表3.7版本的python。
然后连接服务器，上传这两个文件。激活你的个人环境，在whl文件所在路径下，用命令： pip install 文件名 安装。
注意：torch和torchvison的版本也有对应关系。
3、测试
首先进入到你的环境，输入python启动python解释器，再依次输入
import torch
torch.cuda.is_available()
出现True就大功告成，表示能够利用GPU。
Original: https://blog.csdn.net/weixin_43538042/article/details/121379830
Author: 骜蛟
Title: 深度学习服务器环境配置总结
原创文章受到原创版权保护。转载请注明出处：https://www.johngo689.com/691179/
转载文章受原作者版权保护。转载请注明原作者出处！