环境配置：python解释器、开发环境、远程服务器及conda指令

置顶享子

已于 2023-02-15 10:40:58 修改

阅读量695

点赞数

分类专栏：基础知识文章标签： python 服务器 vscode

于 2022-06-09 10:27:14 首次发布

本文链接：https://blog.csdn.net/qq_43307824/article/details/125082360

版权

基础知识专栏收录该内容

12 篇文章 0 订阅

订阅专栏

python解释器、开发环境、远程服务器及conda指令

前言

一、python解释器和集成开发环境

1. 在cmd/bash命令行运行pyhon的.py文件:

法1：先cd filepath，再python filename.py
法2：python filepath/filename.py

2. python解释器的交互式窗口

法1：在命令行输入python，进入CPython解释器的交互式窗口，用>>>作为提示符
法2：在命令行输入ipython，使用IPython解释器的交互式窗口，用In[序号]:作为提示符，类似于jupyter notebook
PS: 输入多行代码都用;\

3. 集成开发环境：pycharm和vscode

1.pycharm：自带terminal(命令行)和python console(交互式，输入多行代码还可以用ctrl+enter)
2.vscode：ctrl+k ctrl+s打开快捷键。自带terminal和debug console。

除了debug时用交互式，写代码时若要用python console：
法一: 输入ipython，输入多行代码
法二: .py文件右键选择交互式打开(一边写代码一边看每段代码的效果，执行shift+enter)

二、本地电脑 / 实验室远程Linux服务器

1、vscode连接远程服务器 ¹

Remote host：主机的ip地址。

连接成功在bash中查看主机名(如实验室主机asus204lab)：hostname
查看主机ip地址(121.192.xxx.xxx)：hostname -I

Specify username: 开的账号，如zhangshan
Port：端口号

2、window10下通过ssh免输密码登陆远程Linux服务器 ²

1.windows本地cmd命令就可以快速方便的生成本机的SSH公钥对(用于免密登入各种远程，如GitHub)，过程如下:

(1)输入一行命令：ssh-keygen -t rsa “youremail@example.com”
(2)可以不设置密码，一直回车，就可以在本机的C:\Users\username.ssh文件夹下生成公钥和私钥对

2.接下来是将id_rsa.pub公钥中的内容全部复制，打开linux服务器，找到/.ssh或/username/.ssh文件夹

3.把公钥中的内容全部粘贴添加至.ssh文件夹的authorized_keys文件中，保存

3、查看实验室服务器信息：在linux服务器的bash输入nvidia-smi

（1）NAVIDA公司_(英伟达)主要是做电脑GPU显卡的，主要产品类别有：面向3D游戏应用的GeForce系列、面向专业图形工作站应用的Quadro系列、专用GPU加速计算的Tesla系列。
（2）Intel公司_(英特尔)主要是做电脑CPU处理器。
（3）AMD公司_{(Advanced_Micro_Devices,超威半导体)}既做CPU处理器又做GPU显卡。

输入nvidia-smi进入系统管理界面，如下图。说明：下面Processes部分表示每个进程的GPU Memory Usage_{(神经网络训练时的显存占用=模型每层output的显存占用(与batch_size相关)+模型参数的显存占用+反向传播时的梯度)}。显卡≈GPU+显存
Nvidia-smi常用指令：Nvidia-smi -h(–help打印用法信息)，-L(–list-gpus展示连接到系统的所有gpu)，-q(–query展示gpu和unit信息)

三、命令行的conda和python基础指令

conda --version, 查看conda版本
python --version, 查看python版本
conda create -n python36 python=3.6, 安装新环境_{(vscode发现有的python解释器能调试而某个不能调试，那重新安装新环境可能就能调试了)}。如果创建环境失败，先用everything软件查看.condarc文件所在地址，然后删掉该文件，删除之后就可以成功创建虚拟环境。
conda env list, 查看所有的环境
source/conda activate python36, 打开新环境
配置PyTorch+CUDA环境~(实验室服务器已经安装好了显卡驱动，可以用nvidia-smi查看显卡驱动版本，然后再直接在Anaconda Powershell Prompt中输入以下命令来安装显卡对应的cudatoolkit版本以及cudnn、PyTorch_{(没找到就用低点的版本)}：
（1）点击PyTorch官网的Get started查看cuda和pytorch安装命令，如：conda install pytorch torchvision torchaudio cudatoolkit=11.3 -c pytorch 参考
（2）或用镜像源：pip install torch torchvision torchaudio --extra-index-url https://download.pytorch.org/whl/cu116 -i http://pypi.douban.com/simple --trusted-host pypi.douban.com，或pip3 --default-timeout=1000 install
import torch
print(“Pytorch version：”, torch.version)
print("CUDA Version: ", torch.version.cuda)
print(“cuDNN version is :”, torch.backends.cudnn.version())
print(“torch.cuda.is_available():”,torch.cuda.is_available()) # cuda是否可用
print(“torch.cuda.current_device():”,torch.cuda.current_device()) # 返回当前设备索引
print(“torch.cuda.device_count():”,torch.cuda.device_count()) # 返回GPU的数量
print(“torch.cuda.get_device_name(0):”,torch.cuda.get_device_name(0)) # 返回gpu名字，设备索引默认从0开始
conda config --show-sources, 查看已有的源
conda config --add channels https:(下面³), 添加源、仓库
conda config --remove-key channels 恢复到默认源_{(比如要用交互式及jupyter_notebook，下载ipykernel只能用默认源)}
conda config --remove channels utl 删除源
conda list, 该环境下安装的库
conda list tensorflow-gpu, 查看某个包
pip install tensorflow-gup==, 查看某个包有哪些版本
批量安装包: 如pip install -i https://pypi.tuna.tsinghua.edu.cn/simpe -r C:\Users\requirements.txt
conda install tensorflow-gup==1.12.0 -i https://mirrors.bfsu.edu.cn/anaconda/pkgs/main/,(特定的源)安装特定的包
pip install ipywidgets -i http://pypi.douban.com/simple --trusted-host pypi.douban.com 下载包时没反应或报错，尝试该命令
pip install --upgrade tensorflow-gup，更新某个包，若已是最新则会报Requirement already satisfied
pip uninstall tensorflow-gup，卸载某个包
python, 打开命令行
import tensorflow as tf(不报错成功),
exit(), 退出命令行
conda/source deactivate, 退出新环境
conda remove -n python36 --all, 移除新环境

vscode连接远程服务器, https://blog.csdn.net/zhaxun/article/details/120568402 ↩︎
vscode连接远程服务器, https://blog.csdn.net/qq_28074313/article/details/93744459 ↩︎
镜像源：
conda config --add channels https://pypi.tuna.tsinghua.edu.cn/simple
conda config --add channels http://pypi.douban.com/simple/
conda config --add channels https://mirrors.bfsu.edu.cn/anaconda/pkgs/main
conda config --add channels https://mirrors.bfsu.edu.cn/anaconda/pkgs/free
conda config --add channels https://mirrors.bfsu.edu.cn/anaconda/pkgs/r
conda config --add channels https://mirrors.bfsu.edu.cn/anaconda/pkgs/pro
conda config --add channels https://mirrors.bfsu.edu.cn/anaconda/pkgs/msys2
conda config --add channels https://mirror.bjtu.edu.cn/anaconda/pkgs/main
conda config --add channels https://mirror.bjtu.edu.cn/anaconda/pkgs/free
conda config --add channels https://mirror.bjtu.edu.cn/anaconda/pkgs/r
conda config --add channels https://mirror.bjtu.edu.cn/anaconda/pkgs/pro
conda config --add channels https://mirror.bjtu.edu.cn/anaconda/pkgs/msys2 ↩︎