深度学习服务器环境配置总结

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。

配置好信息即可，上传下载文件方便，有可视化文件管理。

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

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文件下载即可。

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。

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。