服务器常用环境配置命令汇总（持续更新）

参考：

Linux安装conda - 简书 (jianshu.com)

实验室服务器conda使用教程_如何运行服务器上的conda_八十八岁扶墙敲码的博客-CSDN博客
查看linux服务器gpu使用情况_有石为玉的博客-CSDN博客_linux服务器用的gpu显卡

一、 服务器装载conda环境

1.在清华镜像源找到miniconda的网址，复制链接，用wget指令下载。

##wget 加网址，中间可以加-c参数，断点续传
wget https://mirrors.tuna.tsinghua.edu.cn/anaconda/miniconda/Miniconda3-latest-Linux-x86_64.sh

 2. 安装miniconda，执行脚本文件。注意：要在同一目录下，bash命令会寻找.sh文件，读入并执行。如果不在同一目录下，可能会出现找不到文件的错误。此时用cd命令切换路径即可。在安装过程中，可能会出现许多提示信息，你可以认真或者不怎么认真地阅读它们，并输入yes继续安装过程，当然，如果不想安装下去还是可以输入no的。其中安装路径需要enter确认，此处可根据提示来选择输入。

bash Miniconda3-latest-Linux-x86_64.sh

3. 出现Thank you for…的时候说明安装已经完成，但是此时需要激活刚安装的minicoda。使用bash指令可以重新执行刚修改的初始化文件，使之立即生效，而不必注销并重新登录。

source ~/.bashrc

 4. 检查是否成功。

conda --help
#调用出来说明安装成功

二、创建新环境 

1.创建指定python版本的conda环境，此处-y表示默认继续进程，-n表示模型的名字，此处为model_name。后面的python=3.8.2是我指定的python版本，默认安装最新，但建议根据需要指定版本。

conda create -y -n model_name python=3.8.2

2.创建的环境需要激活，先查看存在的conda环境包括哪些：

conda env list

 再选择需要的环境激活：

conda activate model_name

激活后可以查看环境中已经安装的包：

conda list

3.在环境中安装包

安装包的过程中很可能出现HTTP ERROR，如果没有出现断网，一般是因为国外的网址连接不稳定的问题，此时需要配置镜像源。

# 下面这三行配置官网的channel地址
conda config --add channels r 
conda config --add channels conda-forge 
conda config --add channels bioconda
##以上三句命令一次性复制粘贴或是单独复制粘贴到服务器

 选择镜像源配置，可选清华镜像源、北外镜像源、豆瓣镜像源等。

#（1）下面这四行配置清华大学的conda的channel地址，国内用户推荐
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/bioconda/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/
conda config --set show_channel_urls yes
##配置清华镜像，四句代码一起复制粘贴到服务器

# （2）下面四行配置北京外国语大学的conda的channel地址
conda config --add channels https://mirrors.bfsu.edu.cn/anaconda/pkgs/main/ 
conda config --add channels https://mirrors.bfsu.edu.cn/anaconda/cloud/conda-forge/ 
conda config --add channels https://mirrors.bfsu.edu.cn/anaconda/cloud/bioconda/ 
conda config --set show_channel_urls yes

 三、显卡的使用

1.查看当前显卡的使用状态。

nvidia-smi

显示效果如下图，图中的参数含义：

• CUDA Version，可能关系到匹配的pytorch等一系列包的版本。
• GPU：这里有四块GPU，编号0-3
• Name：显卡名，这里四块都是GeForce
• Temp：显卡温度，第一个是60摄氏度 
• Perf：性能状态，从P0到P12，P0性能最大，P12最小 
• Persistence-M：持续模式的状态开关，该模式耗能大，但是启动新GPU应用时比较快
• Pwr：能耗 
• Bus-Id：GPU总线
• Disp.A：表示GPU的显示是否初始化 
• Memory-Usage：显存使用率
• GPU-Util：GPU利用率，第一个是74%，第二个未用
• Compute M.：计算模式

+-----------------------------------------------------------------------------+
| NVIDIA-SMI 470.82.01    Driver Version: 470.82.01    CUDA Version: 11.4     |
|-------------------------------+----------------------+----------------------+
| GPU  Name        Persistence-M| Bus-Id        Disp.A | Volatile Uncorr. ECC |
| Fan  Temp  Perf  Pwr:Usage/Cap|         Memory-Usage | GPU-Util  Compute M. |
|                               |                      |               MIG M. |
|===============================+======================+======================|
|   0  NVIDIA GeForce ...  On   | 00000000:1C:00.0 Off |                  N/A |
| 30%   29C    P8    20W / 350W |   4847MiB / 24268MiB |      0%      Default |
|                               |                      |                  N/A |
+-------------------------------+----------------------+----------------------+
|   1  NVIDIA GeForce ...  On   | 00000000:1D:00.0 Off |                  N/A |
| 30%   32C    P8    25W / 350W |      3MiB / 24268MiB |      0%      Default |
|                               |                      |                  N/A |
+-------------------------------+----------------------+----------------------+
|   2  NVIDIA GeForce ...  On   | 00000000:3F:00.0 Off |                  N/A |
| 30%   32C    P8    31W / 350W |      3MiB / 24268MiB |      0%      Default |
|                               |                      |                  N/A |
+-------------------------------+----------------------+----------------------+
|   3  NVIDIA GeForce ...  On   | 00000000:40:00.0 Off |                  N/A |
| 30%   33C    P8    29W / 350W |      3MiB / 24268MiB |      0%      Default |
|                               |                      |                  N/A |
+-------------------------------+----------------------+----------------------+

 2.指定使用的GPU（一块），可以在程序中或者在终端输入指令。

#代码中指定GPU
import os
os.environ["CUDA_VISIBLE_DEVICES"] = "0"  　#指定第一块gpu

#等价于在终端输入指令
export CUDA_VISIBLE_DEVICES = 0

#指定多块GPU
import os
os.environ["CUDA_DEVICE_ORDER"] = "PCI_BUS_ID"
os.environ["CUDA_VISIBLE_DEVICES"] = "0, 2"    # 使用第一, 三块GPU