长安大学高算平台配置MMSegmentaion虚拟环境

      因学校的高算平台无法联网，因此无法在线下载MMSegmentaion虚拟环境。因此，采用本地Python虚拟环境迁移至高算的方式来安装MMSegmentaion虚拟环境。

前提准备：源主机（自己的电脑）和目标主机（高算平台）必须具有相同的平台和操作系统，即首先，需要在本地Linux系统配置好虚拟环境；同时本地Linux主机和高算平台安装的miniconda版本必须一致；

1. 在本地基环境中（base）安装离线打包工具Conda-pack。

pip install conda-pack

2. 先将当前路径跳转到虚拟环境所在位置：miniconda/envs/。然后运行以下的命令进行打包：

conda pack -n my_mmseg -o my_mmseg.tar.gz

 我的环境名称为my_mmseg，将它打包成名为my_mmseg.tar.gz的压缩包。

注意：我在用上条命令打包时报错了

CondaPackError: Cannot pack an environment with editable packages

我在这使用了下面的命令，忽略了一些依赖其他编译环境的包，忽略的包后续再安装。

conda pack -n my_mmseg --ignore-editable-packages

有的网友说环境迁移还有几种其他的方法，这个我都没有试过，不知道行不行，应该也可以。

3. 将打包好的环境压缩包my_mmseg.tar.gz利用JHFileClient上传至服务器，保存至miniconda/envs/下。

4.右键将my_mmseg.tar.gz压缩包解压至当前文件夹。

5. 修改新建的环境的文件权限。

chmod 777 -R my_mmseg

6. 检查解压后的python环境是否正常。

#列命令若正常进入python命令窗则表明正常
./my_mmseg/bin/python
#退出python命令窗
exit()

7. 检查环境是否成功添加。

conda env list#命令检查是否添加成功此环境 
conda activate my_mmseg #激活

8. 检查my_mmseg环境中的包有无缺少（发现MMSegmention这个包缺少，我猜MMSegmention是依赖其他编译环境的包，因此在打包时没有打包）

9. 单独安装MMSegmention。先在本地电脑打开github，把MMSegmention的压缩包下载下来，解压后，上传到服务器用户家目录的files中。

注：这里的MMSegmention必须是从github上下载下来的源码（或者没有被pip install -v -e.）。

10. 在终端cd进入上述路径，然后运行以下指令，安装MMSegmention。

pip install -v -e .

11. 进入迁移的环境，查看所迁移的包都有哪些。

 可以看到MMCV、MMSegmention、Opencv，Pytorch等均已迁移成功。

注意：这里的Pytorch是GPU版本的。经测试，服务器不需要再单独安装CUDA和CUDNN，Pytorch就可以调用CUDA加速。

配置好上述环境后，满心欢喜的想开始测试下环境能用不，运行MMSegmention/demo/demo.py。

结果出现了以下错误：

经查询，提示我Pytorch的CUDA版本太低了（10.2），不满足显卡的要求。

无奈，又把环境中原来cuda10.2版本的Pytorch，Torchvision,Torchaudio全部卸载掉，离线安装（whl）了CUDA11.3的Pytorch，Torchvision,Torchaudio（自身版本没变，只是安装了CUDA11.3版本的）。注意:如果卸载不掉，就只能在本地linux虚拟环境中重新配一个满足条件的环境，按照上述步骤重新迁移。学校服务器不能上网，配置环境确实很麻烦。

 切换重新配好的环境后，再次运行demo.py，安装成功！