使用vscode连接服务器并安装miniconda以及pytorch虚拟环境（避雷误装CPU版本）。

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

1. 打开vscode，单击“远程资源管理器”，点击“新建远程”，即+。
2. 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。
3. 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）。
4. 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

1. 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

1. 使用如下命令创建虚拟环境：

conda create -n 虚拟环境名 python=3.7

2. 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

1. 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/

2. 查看此时服务器上面源。

conda config --show channels