Linux服务器下配置深度学习环境（PyTorch）

目录

一. 安装anaconda

二. 创建虚拟环境

三. 安装PyTorch

---

在配置环境前，需要远程连接服务器，我选择使用MobaXterm，具体操作详见：

使用MobaXterm连接Linux服务器

一. 安装anaconda

Anaconda，中文大蟒蛇，是一个开源的Python发行版本，其包含了conda、python等180多个科学包及其依赖项。

1. 下载anaconda

在官网上查找自己需要的版本，地址链接如下:

https://repo.anaconda.com/arcHive/

以我自己安装的版本为例，在控制台输入这句话：

​wget Https://repo.anaconda.com/archive/Anaconda3-2022.05-linux-x86_64.sh

或者可以在官网直接下载，然后拖入服务器文件夹中安装

2. 安装anaconda

下载完成后输入以下命令来进行Anaconda的安装

sh Anaconda3-2022.05-Linux-x86_64.sh

遇到回车就回车， 一直回车到底部，遇到yes/no输入yes

如见上述文字，说明已经安装完成，重启服务器后前面就增加了（base）

3. 卸载anaconda

打开终端，然后删除整个Anaconda目录即可：

rm -rf ~/anaconda3

二. 创建虚拟环境

1. 创建虚拟环境

conda create -n lc_raft  Python=3.7

创建名为lc_raft的python3.7的虚拟环境

2. 进入虚拟环境

conda activate lc_raft

环境由base变为了lc_raft，前面变成了（lc_raft）

更多conda指令，详见：Conda简介及常用指令

三. 安装PyTorch

1. 查看cuda版本

CUDA（Compute Unified Device Architecture），是显卡厂商NVIDIA推出的运算平台。 CUDA™是一种由NVIDIA推出的通用并行计算架构，该架构使GPU能够解决复杂的计算问题。

关于查看自己电脑上的CUDA版本，首先需要区分CUDA的两种api，即运行时API(Runtime API)和驱动API(Driver API)，详见CUDA学习（一）——如何查看自己CUDA版本？

1.1. 运行时API(Runtime API)

查看运行时API 版本的前提是已将在电脑上安装了CUDA Toolkit

nvcc -V

​​最下边一行是CUDA Runtime API的版本。

1.2. 驱动API(Driver API)

nvidia-smi

​​

右上角的CUDA Version便是CUDA Driver API版本。

总结：nvidia-smi版本大于nvcc -V的版本不会有什么问题，根据nvidia-smi版本下载pytorch即可。

2. 下载PyTorch

官网下载：

​​找到后，复制安装代码，输入到控制台：

conda install pytorch torchvision torchaudio cudatoolkit=10.2 -c pytorch

弹出提示，输入 y，即可完成安装，显示“done”。

3. 测试安装

首先输入：python 然后在输入：import torch

​​输出true即为成功，false不成功（可能是因为pytorch和cuda版本不匹配）

4. 查看pytorch版本

conda list

5. 卸载Pytorch

5.1. 使用conda卸载

conda uninstall pytorchconda uninstall libtorch

5.2. 使用pip卸载

pip uninstall torch

如果是用conda install 命令安装的pytorch，则用conda卸载，如果是用pip install命令安装的，则用pip卸载。

至此，深度学习环境就配好啦，冲冲冲！

我们在远程登录到Linux服务器后，有时运行需要很长时间才能完成的任务，在此期间不能关掉窗口或者断开连接，否则这个任务就会被终止。因此需要在后台离线运行程序，我选择使用screen离线运行程序，具体操作详见：

使用screen在后台离线运行程序（linux服务器）

还有，配置环境中遇到的专业名词（IP地址、端口、终端、显卡服务器......）

来源地址：https://blog.csdn.net/qq_43307074/article/details/127257056