使用vscode连接服务器并安装miniconda以及pytorch虚拟环境。
使用vscode连接服务器
- 打开vscode,单击“远程资源管理器”,点击“新建远程”,即+。
- 在vscode最顶上中间弹出框,输入如下命令:
ssh 用户名@服务器IP
,enter。 - 在vscode最顶上中间弹出框,然后按照提示输入密码等(密码是服务器申请账号时的)。
- 对服务器联网。(如果联网不需要登陆网关的可以忽略这个步骤)
在本地打开远程桌面连接。
在弹出的框中输入服务器IP(上面提到的那个IP)。
点击连接按钮。
在弹出界面输入你的用户名以及密码(上面的提及了)。
然后联网即可。
在服务器上面安装miniconda
- 进入miniconda官网,本地下载miniconda的linux版本,将其拖入vscode中(从本地复制到服务器)。
创建虚拟环境
- 使用如下命令创建虚拟环境:
conda create -n 虚拟环境名 python=3.7
- 使用如下命令激活虚拟环境:
conda activate 虚拟环境名称
在该虚拟环境中安装pytorch(避雷:如果此时你的源上面没有对应cuda版本的pytorch,那么他就会默认安装cpu版本的!!!!)
1.进入pytorch官网。https://pytorch.org/
2.可以选择pytorch 2.0也可以选择更早的版本。(我这里选择的是pytorch12.0)
3.根据OS、Package、Language、此时服务器的CUDA版本选择安装命令。 在虚拟环境中使用上面选择的命令安装pytorch。
安装开始后,他会告诉你都将会安装哪些包,让你选择y或者n。平时可能咱直接输入y,但是要先看一下他要下载的pytorch到底是cuda版本的还是cpu版本的。
据我所知python3.7 CUDA 11.8清华源只有cpu版本的,python3.6 CUDA11.7清华源有CUDA版本的
所以我尝试了python3.7 CUDA 11.7发现可以下载CUDA版本的
怎么说呢,别盲目下载,多尝试,通过改变CUDA版本,理论上来说只要你选择的CUDA版本比你实际服务器的CUDA版本(通过nvidia -smi
命令查询服务器CUDA版本)低就行,。
还有一种解决方案就是本地下载,但是我觉得那个太麻烦了而且主要是我没有看懂,大家可以参照这个博主的博客,conda安装GPU版pytorch,结果却是cpu版本[找到问题根源,从容解决]
3. 检测pytorch是或否安装成功。
python
import torch
torch.cuda.is_available()
换源
- 进入服务器terminal终端换源。
conda config --add channels http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --add channels http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/
- 查看此时服务器上面源。
conda config --show channels