在服务器上安装pytorch并配置CUDA环境变量

一、安装pytorch

1.预备工作——检查服务器上CUDA与NVIDIA的配置；

（1） 使用以下命令来查看安装在服务器上的NVIDIA驱动程序版本：

nvidia-smi

这将显示有关安装的NVIDIA驱动程序的详细信息，包括版本号。
（2）使用以下命令来查看CUDA版本：

nvcc --version

本服务器上NVIDIA驱动程序版本：460.56；CUDA版本：11.2

2.正式安装

（1）打开终端或命令提示符，并激活您的Anaconda环境（如果尚未激活）。

（2）使用以下命令创建一个新的虚拟环境，并指定所需的Python版本（例如3.8）：

conda create --name myenv python=3.8

则创建了名为myenv的虚拟环境，python版本为3.8；
（3）激活新创建的虚拟环境：

conda activate myenv

（4）安装适用于CUDA 11.2的PyTorch：

conda install pytorch torchvision torchaudio cudatoolkit=11.1 -c pytorch

这将安装与CUDA 11.2兼容的PyTorch、TorchVision和TorchAudio。(正常来说要安装11.2版本，但是服务器只支持11.1版本，且是兼容的)
（5）验证安装：
尝试导入PyTorch来验证安装是否成功。在Python交互式环境中执行以下命令：

import torch
print(torch.__version__)
print(torch.cuda.is_available())

如果没有错误并且输出显示与安装的PyTorch版本匹配的版本号，以及CUDA可用性为True，则表示安装成功。
当然，若此时未配置好CUDA环境，则大概率还是显示False的，因此，我们再来说说CUDA环境配置。

二、CUDA环境配置

如果没配置好环境，在运行pytorch时会报错

No CUDA runtime is found, using CUDA_HOME='/usr/local/cuda'

因此我们配置环境需要分两步：

1. 检查并配置CUDA环境变量

通过运行以下命令检查环境变量：

echo $CUDA_HOME

如果未输出任何内容，则表示CUDA环境变量未设置。可以通过将以下行添加到您的shell配置文件（如.bashrc或.bash_profile）中来设置环境变量

export CUDA_HOME=/usr/local/cuda

保存文件后，运行以下命令使环境变量生效：

source ~/.bashrc

2. 检查并配置LD_LIBRARY_PATH环境变量

通过运行以下命令查看当前LD_LIBRARY_PATH的值：

echo $LD_LIBRARY_PATH

如果LD_LIBRARY_PATH为空或未包含CUDA库路径，则可以使用以下命令将CUDA库路径添加到LD_LIBRARY_PATH中：

export LD_LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PATH

这将把/usr/local/cuda/lib64添加到现有的LD_LIBRARY_PATH路径中。如果CUDA库位于其他路径下，需要相应地修改上述命令中的路径。
使用以下命令验证LD_LIBRARY_PATH是否正确设置：

echo $LD_LIBRARY_PATH

确保输出中包含CUDA库路径。

二、配置程序包环境

1. 在服务器上安装程序包，优先选用conda install 命令

conda install 包名=版本号   ##如果不加，默认最新版本

如果出现安装找不到包名，

Solving environment: failed with initial frozen solve. Retrying with flexible solve.

PackagesNotFoundError: The following packages are not available from current channels:

  - 包名

Current channels:

  - https://conda.anaconda.org/default/linux-64
  - https://conda.anaconda.org/default/noarch
  - https://conda.anaconda.org/conda-forge/linux-64
  - https://conda.anaconda.org/conda-forge/noarch
  - https://conda.anaconda.org/nvidia/linux-64
  - https://conda.anaconda.org/nvidia/noarch
  - https://conda.anaconda.org/pytorch/linux-64
  - https://conda.anaconda.org/pytorch/noarch

To search for alternate channels that may provide the conda package you're
looking for, navigate to

    https://anaconda.org

and use the search bar at the top of the page.

可能是因为，该包是一个外部的Python库，你可以使用pip来安装它。

pip install 包名

特别地，有些外部包，需要先连接到网址，再pip安装。以下以“tltorch”为例进行演示

git clone https://github.com/tensorly/torch   ##此链接是tltorch程序包所处仓库，一般可从官方文档或是GitHub上找到

以下会出现

Cloning into 'torch'...
remote: Enumerating objects: 3037, done.
remote: Counting objects: 100% (302/302), done.
remote: Compressing objects: 100% (112/112), done.
remote: Total 3037 (delta 219), reused 217 (delta 188), pack-reused 2735
Receiving objects: 100% (3037/3037), 3.85 MiB | 6.35 MiB/s, done.
Resolving deltas: 100% (2156/2156), done.
Checking connectivity... done.

表示连接成功。使用如下命令即可完成安装

pip install tltorch