远程服务器安装Pytorch

目录

前言

一、CUDA和Cudnn

二、下载torch

1.官网

2.离线下载

3.查看服务器其他CUDA

总结

---

我使用到的软件：

xftp（管理文件夹）

xshell（命令行功能）

EasyConnect(解决vpn问题)

---

前言

作为研0小白，当导师分给你4090去跑代码，当你满心欢喜去找师兄创建账号，当你顺利连通远程服务器，当你兴致勃勃打开code准备一展身手的时候，torch.cuda.is_available()->False给你别样的惊喜。这篇博客将会介绍我安装Pytorch的部分历程，希望对你有用。嗯，因为大多数服务器都要求连接校园网使用，但是我现在还在本科院校，所以使用了师兄的EasyConnet账号，如果有读者感兴趣，等我有时间可以出一篇博客介绍下这个软件~

---

一、CUDA和Cudnn

在这里已经默认你亲爱的师兄师姐为你装好了CUDA和Cudnn，即使没有，作为一台流传久远的古董，想必他的最初拥有者一定为你节省下这些麻烦。奥，如果确实没有你可以出门左转了，很抱歉这篇博客并没有提供这两者的下载教程。

查看CUDA

敲入命令：nvcc -V

反馈：表明CUDA版本为10.1

在这里并没有贴出cudnn版本的查看命令，因为我没使用到~ 

二、下载torch

1.官网

PyTorch

在上面我们已经知道了CUDA的版本，现在我们需要下载对应CUDA版本的torch。

打开官网，如下界面：

注意：这里显示的是最新的版本，哪怕是显示的最久的版本也为11.8，和我们的不匹配，我们必须找到和我们CUDA匹配的torch版本，所以打开上方的 install previous versions of PyTorch 这里面存放着远古时期的版本。

打开后，出现如下界面：（我这里直接下拉找到了我需要的版本CUDA：10.1）

 复制命令行到你的终端上去下载，这个时候你会发现下载进度无比缓慢~如果你忍无可忍，请参考下一小节。

2.离线下载

因为下载的太慢了，大概要一小时左右，忍受不了这龟速，所以我找到了这个网址：

download.pytorch.org/whl/cu101/torch/

但是似乎下面的地址下载的更快~(好吧，有时候快有时候也慢的要死)（据说可以使用p2p下载，读者可以自寻探讨，如果学会了可以后台教教我，感谢！）

download.pytorch.org/whl/torch_stable.html

在以上网址中找到你需要的版本，我需要的版本就是：

你是不是疑惑为什么是这个版本？

因为我在第一部分按照官方给的命令行下载的时候它会显示torch-1.7.1+cu101-cp376……

so,can you understand?

我这里只下载了torch，因为他最大，大概700MB，torchvision和torchaudio大概也就20/30MB，可以使用命令行直接下载。

注意下载完成后，因为我们下载的位置是本地（我们的个人电脑），我需要把这个压缩包拽到我们的服务器上去。我用的是xftp这个软件，可以便捷操作文件管理。注意，你需要拖拽到对应环境目录下的conda-meta中。如下图所示，打开我的anaconda3文件夹。

 在里面找到envs文件夹，里面存放了你创建的环境目录。

 这是我创建的两个环境，你要找到你需要的环境，点击进去。

在里面找到conda-meta文件夹，里面存放你安装的库。也是你要把下载好的torch压缩包拖拽进去的地方。 

拖拽进去之后，在命令行cd到该文件夹后进行解压缩。此时你已经完成了torch的安装。

之后就是按照官方给的命令行安装剩下的库： 

conda install pytorch==1.7.1 torchvision==0.8.2 torchaudio==0.7.2 cudatoolkit=10.1 -c pytorch

注意，因为我已经完成了torch的安装，所以上面的torch==1.7.1直接删除变成：

conda install torchvision==0.8.2 torchaudio==0.7.2 cudatoolkit=10.1 -c pytorch

 顺利的话，一分钟就可以完成剩下的安装。

OK，安装完成后检查是否可用torch！

import torch # 如果pytorch安装成功即可导入
print(torch.cuda.is_available()) # 查看CUDA是否可用
print(torch.cuda.device_count()) # 查看可用的CUDA数量
print(torch.version.cuda) # 查看CUDA的版本号

这是我出现的结果： 

 

如果你要问我为什么CUDA的版本是11.7，哈哈哈那是因为后面因为算力不匹配等等问题暴露之后 我才发现服务器上还有CUDA11.7的版本。。。所以我改装了对应的torch。如果你想查看你的服务器是否有其他版本的CUDA，可以参考下一小节。

3.查看服务器其他CUDA

cd进入目录：/usr/local

 OKOK看到没，这里是CUDA-11.7，我为之前的努力哭死。

你要是问为什么nvcc-V查看到的CUDA版本不一致？

“nvcc查看的就是在电脑中配置的环境变量所指向的CUDA驱动”

感兴趣参考以下博客：

检查pytorch是否安装成功、查看torch和cuda的版本_torch查看cuda版本-CSDN博客

CUDA版本不同：nvidia-smi和nvcc -V_nvidia-smi和nvcc-v的cuda版本不一致-CSDN博客

OK，知道了CUDA版本，我们回头重新安装torch，我真的是哭死，因为网速太慢，倒腾了又几个小时，不过最终安装顺利，参考第二小节过程。

---

总结

OK，今天是端午，折腾了一下午没搞定，晚上dinner回来又倒腾了两三个小时才顺利解决（主要是网速下载太慢了），希望每一位刚入坑的学生能从我的教训中获取经验，如果对你有帮助我会很高兴~