进入实验室以后，大家就会用实验室的服务器跑一些深度学习模型。如何连接服务器，以及连接服务器后如何配置conda和PyTorch深度学习框架，在此进行详细的介绍。

首先，在连接服务器之前，需要向服务器的管理员申请个人账号。

连接服务器详细教程连接：https://blog.csdn.net/Bluebro/article/details/127626548?spm=1001.2014.3001.5502

接下来我详细介绍连接服务器后如何配置conda+pytorch环境。

1.安装Anaconda

清华镜像网站下载连接：https://repo.anaconda.com/archive/index.html

服务器的系统是Linux，因此下载linux版本的Anaconda3，我下载的版本是Anaconda3-2022.05-Linux-x86_64.sh
下载完成后，通过Xftp或其他软件将文件传到服务器
或者直接从服务器下载文件，将要下载的文件复制链接，输入以下命令

wget https://repo.anaconda.com/archive/Anaconda3-2022.05-Linux-x86_64.sh

输入命令bash Anaconda3-2022.05-Linux-x86_64.sh，安装文件
安装过程中，一直点Enter或者输入yes即可
安装完成后，重新连接服务器
输入命令conda --version ，检查当前版本

2.配置清华镜像源

在使用服务器时，刚开始会下载很多本地没有的包，而 Linux 使用的下载源服务器在国外，下载速度相对国内会慢很多，因此我选择了清华镜像源进行配置，能够提高下载速度。

顺序输入以下命令，一次输入一行命令

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 --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
conda config --set show_channel_urls yes

输入conda config --show-sources，查看配置镜像源情况

3.创建虚拟环境

输入命令 conda create -n pytorch python=3.7 创建名为“pytorch”，python版本为3.7的虚拟环境
输入命令conda info --envs，查看当前系统所有的虚拟环境
输入命令conda activate pytorch，激活虚拟环境，（base）变成（pytorch）

4.安装PyTorch深度学习框架

接下来的操作都必须是激活虚拟环境后进行，即前面是（pytorch）

输入nvcc -V查看服务器的CUDA型号，我的CUDA版本是11.3

PyTorch官网连接：https://pytorch.org/get-started/previous-versions

打开pytorch官网，找到自己的cuda版本，复制对应的安装命令：
输入安装命令，完成安装
输入命令，可以发现 pytorch 安装成功并且 CUDA 能正常使用

import torch
print(torch.cuda.is_available())

远程配置深度学习服务器详细教程，配置Conda+PyTorch环境相关推荐

vs code+jupyter notebook 远程连接深度学习服务器，并配置环境
搞了一段时间,终于搞明白怎么远程连接实验室服务器写深度学习代码了,如果组内有对这些比较了解的同学,可以找他们帮忙能省很多麻烦,感恩.如果没有的话这篇文章将详细说明所有操作,保证打通全流程,跟着做完就能 ...
配置windows客户端远程登录深度学习服务器
导师大手一挥给了块闲置的TitanX,加上毕业师兄留下的一台服务器级主机,花一天时间配了个深度学习环境出来. 实验室其他组有好几台这样的服务器.以前看人家测试代码都是自己电脑和服务器两头跑,心想这么搞 ...
离线状态下配置深度学习服务器-在ubuntu16.04 上安装python,pip以及包
最近需要把一台不能联网的电脑配置成服务器,而且只能插光盘,需要安装ubuntu16.04系统,然后安装python3.7和python包,包括需要安装jupyter 和paddle,pytorch和t ...
linux重启gpu_远程配置Ubuntu深度学习服务器GPU驱动+Docker+CUDA多个版本
前言首先说一下为什么建议使用docker来使用搭建深度学习服务器.其实网上很多人都写了如何搭建CUDA10.0 + cudnn8.5 , CUDA9.0 + cudnn7.5 等等,并且从Tenso ...
这绝对是你见过的最全深度学习服务器管理配置手册，学不会你打我
这绝对是你见过的最全深度学习服务器管理/配置手册,学不会你打我最近在配置服务器,遇到了不少问题,在此整理记录一下.主要是以下几个方面:多用户管理.服务器环境配置.Anaconda虚拟环境安装Tens ...
从零到一保姆级Ubuntu深度学习服务器环境配置教程
文章目录前言一.Ubuntu安装教程 1.1 下载Ubuntu镜像 1.2 软碟通刻录U盘 1.3 进入Bios,修改相关选项 1.4 Ubuntu18.04安装流程二.更换软件源三. NVI ...
深度学习环境配置超详细教程【Anaconda+PyTorch(GPU版)+CUDA+cuDNN】
深度学习环境配置入门深度学习,首先要做的事情就是要搭建深度学习的环境.不管你是Windows用户,Mac用户还是Ubuntu用户,只要电脑配置允许,都可以做深度学习,毕竟Windows.Mac和Ub ...
Ubuntu 18.04 server配置多用户深度学习服务器
Ubuntu 18.04 server配置多用户深度学习服务器 1 重装系统 2 安装图形界面 2.1 更改Ubuntu 镜像源 2.2 安装图形界面 2.3安装gcc , make等库 3 安装Nv ...
Ubuntu16+Docker19.03+CUDA10+Tensorflow2.0+Pyorch 多用户深度学习服务器环境配置与使用指南
服务器只有一台,大家天天用sudo改环境最后炸了?可以采用Docker,在容器里面爱装啥装啥. 目录深度学习服务器环境配置安装Ubuntu Server 16.04.这一步骤网上教程很多,简略带过 ...

远程配置深度学习服务器详细教程，配置Conda+PyTorch环境

目录

1.安装Anaconda

2.配置清华镜像源

3.创建虚拟环境

4.安装PyTorch深度学习框架

远程配置深度学习服务器详细教程，配置Conda+PyTorch环境相关推荐

最新文章

热门文章