深度学习服务器环境配置总结

环境配置总结

一、连接服务器

1.1 命令行

登录:

ssh 用户名@服务器IP地址 -p 端口号 然后输入密码就可以了。

缺点是上传下载文件比较麻烦。

1.2 FinalShell

配置好信息即可,上传下载文件方便,有可视化文件管理。

二、Pytorch环境配置

2.1 conda

Conda 是一个开源的软件包管理系统和环境管理系统,用于安装多个版本的软件包及其依赖关系,并在它们之间轻松切换。

一般服务器上都先装好了conda,直接创建一个个人虚拟环境。

conda create -n 个人环境名称 python=3.7 ,这样就创建好了一个pyhon版本为3.7的虚拟环境。

激活这个环境:conda activate your_env_name ,就能看到环境由 base 切换到了 your_env_name 。

退出环境:conda deactivate

Conda常用命令:

查看已有环境
conda env list

查看已安装的包
conda list

更改镜像源
conda config --add channels 源地址
conda config --set show_channel_urls yes

删除环境
conda remove -n your_env_name --all

2.2 pytorch 安装

1、在线安装

首先查看GPU的CUDA版本号:nvidia-smi (中间没有空格!)

pytorch官网 选择对应CUDA版本、操作系统等,最下面就会给出命令。

在这里插入图片描述

直接在你的个人环境下运行这条命令即可,遇到网络的问题可以考虑换源。

这里有其他版本:https://pytorch.org/get-started/previous-versions/

2、离线安装

网址:https://download.pytorch.org/whl/cu101

这里是对应cuda10.1版本。找到相应的torch和torchvison文件下载。

torch-1.5.1+cu101-cp37-cp37m-linux_x86_64.whl

torchvision-0.6.1+cu101-cp37-cp37m-linux_x86_64.whl

就比如这两个,cp37代表3.7版本的python。
然后连接服务器,上传这两个文件。激活你的个人环境,在whl文件所在路径下,用命令:pip install 文件名 安装。
注意:torch和torchvison的版本也有对应关系。

对应关系

3、测试

首先进入到你的环境,输入python启动python解释器,再依次输入

import torch
torch.cuda.is_available()

出现True就大功告成,表示能够利用GPU。

  • 4
    点赞
  • 28
    收藏
    觉得还不错? 一键收藏
  • 5
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 5
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值