非root用户快速在Ubutun服务器配置pytorch环境

• 安装环境
• • miniconda的安装
  • 安装pytorch-gpu
• 连接VSCode Jupyter NoteBook
• 用Git同步

感觉实验室的服务器老崩，以后肯定还要安装很多次pytorch，这里写个教程记录一下

1. 创建文件夹：mkdir miniconda(文件夹名)
2. 下载软件安装包：cd miniconda（转到当前文件夹）
3. 下载miniconda软件

wget https://mirrors.tuna.tsinghua.edu.cn/anaconda/miniconda/Miniconda3-latest-Linux-x86_64.sh

4. bash Miniconda3-latest-Linux-x86_64.sh

• 点击control+C 跳过协议阅读
• 输入两次 yes
• 重启终端使用miniconda

5. 关闭每次登入终端自动打开base
   conda config --set auto_activate_base false
6. 添加清华镜像

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --append channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/fastai/
conda config --append channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
conda config --append channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/bioconda/
conda config --set show_channel_urls yes

7. 修改conda配置信息：
   vim ~/.condarc
8. 用命令nvidia-smi查看显卡型号
   

1. 创建环境

conda create --name pytorch

2. 激活环境

conda activate pytorch

3. 删除环境(如果以后需要）

conda remove -n myenv --all

4. 退出环境(如果以后需要）

conda deactivate

5. 在pytorch环境安装pytorch

conda install pytorch-gpu  matplotlib jupyter notebook -y

6. 安装好了打开python看看：
   

python

import torch
torch.cuda.is_available()

1. 先用

这个ssh连接远程服务器
2. 用vs code的文件系统创建.ipynb文件并打开根据提示安装插件