-
首先在使用命令行在服务器上安装Ananconda。打开命令行,输入conda -V查看是否安装成功,已经当前的conda版本。
前面的base表示现在所处的环境。如果我们激活了虚拟环境后面,这个地方会改变。 -
创建虚拟环境
conda create -n “环境名称(自己定义)” python=x.x(python 版本)’='前后不能有空格
创建完成后,可以在anaconda/envs/下找到以"环境名称”命名的文件夹 -
激活虚拟环境
如果需要对虚拟环境进行下一步操作,如在虚拟环境下运行代码、给虚拟环境安装深度学习框架等,都需要事先激活Linux下 * conda activate “环境名称" or source activate "环境名称" Windows下 activate ‘环境名称’
从上图可以看到,Pytorch环境已经激活
4. 查看cuda版本
cat /usr/local/cuda/version.txt
5. 在Pytorch环境下安装torch
在torch官网,根据需要,选择指定版本安装。
分别需要选择 系统、安装方式、语言、CUDA版本(如果这里没有,可以点击图中最上方的绿色框,在之前的版本中选择需要的版本),然后在命令行内输入类似于图中最下方橙色框中的命令。
6. 查看是否安装成功
出现True则说明安装成功。
7. 查看虚拟环境下的包
在虚拟环境下,输入conda list即可查看
8. 对虚拟环境安装额外的包
*在虚拟环境下:直接使用 conda install "包的名称"
* 未在虚拟环境下:使用 conda install -n "虚拟环境名称" “包的名称”
- 关闭虚拟环境
Linux:conda deactivate
Windows :deactivate
- 删除虚拟环境
conda remove -n “虚拟环境名称” --all - 删除某个环境下的包
使用命令conda remove --name $your_env_name $package_name 即可 - 查看显卡使用情况
- 查看当前GPU的使用情况
nvidia-smi
- 周期性查看GPU的使用情况
watch -n 1 nvidia-smi(中间的1表示每隔多长时间更新一次)
此时,GPU的使用情况概览会每1s更新一次。