实验室服务器搭建3090+pytorch环境

说明：第五步下载pytorch时，直接下载了cudatoolkit，包含了pytorch所需的功能，和本机安装的cuda有重复的功能，是否可以跳过本机安装配置cuda则未尝试过

1. 去/usr/local目录下检查是否有cuda-11.0以上的驱动，没有的话按教程安装cuda+cudnn
2. 有可能公共服务器默认的cuda是10.x，所以在自己的目录下配置环境变量，修改~/.bashrc

ORIGINAL_PATH=$PATH
ORIGINAL_CUDA_HOME=$CUDA_HOME
ORIGINAL_LD_LIBRARY_PATH=$LD_LIBRARY_PATH
export PATH="/usr/local/cuda-11.0/bin:$PATH"
export CUDA_HOME="/usr/local/cuda-11.0"
export LD_LIBRARY_PATH="/usr/local/cuda-11.0/lib64:$LD_LIBRARY_PATH"
export LIBRARY_PATH="/usr/local/cuda-11.0/lib64:$LIBRARY_PATH"

3. 安装anaconda，创建包含pytorch-gpu的环境

wget https://repo.anaconda.com/archive/Anaconda3-2020.11-Linux-x86_64.sh

安装完成后，运行

 sh Anaconda3-2020.11-Linux-x86_64.sh

随后需要按enter和输入yes来控制安装位置和配置环境变量，基本是一路yes即可
激活配置

source ~/.bashrc

4. 创建环境

conda create -n test_gpu python=3.7

5. 激活环境

conda activate test_gpu

`.
6. 下载pytorch

conda install pytorch torchvision torchaudio cudatoolkit=11.1 -c pytorch -c nvidia

完成就可以使用了