在公共Linux服务器上创建自己的python虚拟环境

一、了解使用的服务器和GPU

cat /proc/version

lspci | grep -i nvidia

nvidia-smi

查看现存的状态，看有没有程序再跑。

二、安装Anaconda和Pycharm

本服务器已经安装配置了这些内容，接下来直接开始搭建自己的环境了。

三、搭建自己的环境

1.首先输入source ~/.bashrc，用来更新环境变量，前面就变成了(base)

source ~/.bashrc

2.创建自己的虚拟环境，指令如下

conda create -n gyyenv python=3.8.5

接着输入y，确认，完成后得到下图

四、使用自己的环境

1.进入自己创建的环境，输入指令

conda activate gyyenv

2.返回八base环境，输入指令

conda deactivate

3.查看目录有哪些环境，输入指令

conda env list

4.删除环境，输入指令，其中name换成自己想要删除的环境名字。

conda env remove -n name

五、在linux系统上使用conda 安装GPU版本TensorFlow-GPU

1.进入自己创建的虚拟环境cond activate gyyenv，可以以先查看tensorflow版本安装，输入命令conda search tensorflow-gpu ，示图如下：

2.通过指令conda list查看安装的内容。

3.通过指令conda install tensorflow-gpu==2.2.0

4.检查tensorflow是否安装成功。


最后的True说明安装成功，并退出自己的虚拟环境！

六、在linux系统上使用conda 安装GPU版本pytorch

1.首先，同tensorflow一样，进入自己创建的虚拟环境gyyenv，然后进入pytorch官网（https://pytorch.org/get-started/locally/，选择相对应的指令，在我的配置下输入的指令为conda install pytorch torchvision torchaudio cudatoolkit=11.3 -c pytorch。如图所示：

2.安装过程如下所示：

七、参考链接

1. 在服务器上搭建自己的python环境
2. 科研第一步：实现Linux服务器上创建python虚拟环境
3. 在linux系统上使用conda 安装GPU版本TensorFlow-GPU（详细步骤）
4. tensorflow对应的python版本清单
5. 安装配置不同tensorflow-gpu环境
6. cuda、torch、torchvision对应版本以及安装