【研0小白暑期准备】实验室的深度学习服务器环境配置

前几天师兄发了实验室的服务器IP地址，让我自己配好环境，我整个人一头雾水，经过上网搜索各种资料后，花费一个下午终于弄好了，现在在这记录一下，以防以后忘记，也提供给有需要的小伙伴。

0.获取服务器信息

咱在本地写好的深度学习代码通常会用实验室的服务器来跑（因为服务器配置要高很多，除非导师经费有限不提供服务器hhh...），首先需要知道服务器的基本信息，包括系统是linux还是windows还是Mac，IP地址、用户名、端口号、密码是多少，这些实验室都会提供给你，如果是自己去租用服务器的话平台也会提供滴。

我是linux系统，所以之后我都需要使用linux命令来操控服务器，linux命令不用特地去学，网上一搜就是了~

1.远程连接软件

获取了服务器的信息后，需要一个远程连接软件，用来在本地控制在远端的服务器。

我使用的是MobaXterm。

安装好后，点击上方功能栏的session，再选择ssh连接方式：

点击最左边的session

点击最左边的ssh

 依次填入IP地址，用户名和端口：

然后根据提示输入密码就可以啦，连接的时候可能会有一段比较长时间的黑屏，连接成功后的画面显示是这样：

2.检查python是否安装

一般来说，给到你的服务器都是已经安装好python的了，尤其是linux系统通常本身自带python，但是如果服务器是windows系统的话，最好判断一下系统有没有安装python，没有的话就要自行安装。

可以在MobaXterm的终端输入python3来看系统是否已经安装了python，比如我的服务器就已经安装了python3.8：

3.检查cuda版本

一般来说，给到你的服务器是已经安装好cuda的了，不过我们需要查看一下cuda的版本，以便后续选择合适的pytorch版本进行安装。

输入nvcc -V来查看cuda的版本，比如我的cuda是10.1版本：

4.安装anaconda

如同在本地电脑上安装anaconda一样，服务器上安装anaconda也能方便我们对不同的深度学习环境进行管理。

4.1 下载anaconda安装包

在anaconda官网上根据服务器的系统查看自己需要的版本，比如我选择的是linux-x86_64，发布日期选择最新的（anaconda选最新版本的是没关系的，不像后面pytorch不能随便选最新的）

然后在终端中输入：

wget https://repo.anaconda.com/archive/Anaconda3-2024.06-1-Linux-x86_64.sh

 其中，wget是用来下载网络文件的linux命令，https://repo.anaconda.com/archive/ 是网址，Anaconda3-2024.06-1-Linux-x86_64.sh 表示自己选择的版本。

下载好后，可以在MobaXterm左侧看到这个安装包：（code文件夹是我自己上传的代码文件夹，anaconda3文件夹是anaconda安装好后才会出现的，这一步还不会出现）

4.2 安装anaconda

依次输入：

chmod +x Anaconda3-2024.06-1-Linux-x86_64.sh

bash Anaconda3-2024.06-1-Linux-x86_64.sh

前一句是用来给安装包添加可执行权限，后一句是执行安装命令。

接着按照提示安装即可。

安装完毕后，重新打开终端，或者重新加载shell配置（输入如下代码：）

source ~/.bashrc # 重新加载shell配置

即可进入conda的base环境： 

 

以后登录服务器也可以用该代码进入conda的base环境，如果想退出base环境的话输入下面代码即可（从某一conda环境退出至base环境也是用该代码）。对这部分不熟悉的童鞋可以去了解一下conda常用命令。

conda deactivate

4.3 检测安装是否成功

依次输入：

anaconda -V

conda -V

若出现版本信息，即安装成功

5.在conda环境中安装pytorch

5.1 查看合适的pytorch版本

根据在【3.检查cuda版本】步骤中获取到的cuda版本，来选择适合的pytorch版本。注意！！！输入nvcc --version命令获取的是服务器已经安装好的cuda版本，输入nvidia-smi命令获取的则是服务器能够安装的最高的cuda版本。比如我服务器已经安装好的cuda是10.1，而能够安装的最高的cuda是12.0。一定是根据已经安装好的cuda版本去选择合适的pytorch版本！不然后面会不兼容。

在PyTorch官网上找到所有的版本，按下图依次点击找到，也可直接点此链接https://pytorch.org/get-started/previous-versions/：

点进去后一直往下滑，直到看到自己的cuda版本，比如我是cuda10.1，我是Linux系统，我要通过conda安装Pytorch，所以我应该看这里：

这里告诉我我能够安装的pytorch版本是1.7.1，torchvision（pytorch的计算机视觉相关库）版本是0.8.2，torchaudio（pytorch的音频相关库）版本是0.7.2。

然后根据【pytorch版本-python版本对应表】（这个在网上可以搜到，我随便截了一张放在下面）去获取一会儿咱们conda虚拟环境能使用的python版本：

我能安装的pytorch版本是1.7.1，对应的我能安装的python版本就是3.6~3.9之间，最新的3.11版本是不能用的。

5.2 创建conda虚拟环境并安装pytorch

创建并激活一个名为env1的虚拟环境，python的版本根据上一步获得的信息应该在3.6~3.9之间选择，这里我选择3.8，在终端依次输入：

conda create -n env1 python=3.8 # 创建环境
conda activate env1 # 激活环境

接着把5.1步骤中在pytorch官网上看到的命令复制到MobaXterm的终端（在终端点击鼠标右键后可以选择粘贴）：

conda install pytorch==1.7.1 torchvision==0.8.2 torchaudio==0.7.2 cudatoolkit=10.1 -c pytorch

 耐心等待即可

5.3 检测安装是否成功

输入python3，进入到python编辑，然后依次输入以下代码：

import torch
torch.__version__ # torch版本
torch.cuda.is_available() # cuda是否可用

查看到以下结果说明安装成功！

6. 上传代码并运行

在MobaXterm的SFTP选项卡（橙色地球图标）中可以点击上传图标来上传代码文件：

不过一般上传的都是一个代码文件夹，此时可以直接把本地的代码文件夹拖拽到上图的文件列表区域，底下便会出现上传进度条：

上传结束后，在终端输入 cd + 文件夹名（我的文件夹名为code） 进入该文件夹，然后再运行代码的主文件（我的代码主文件是main.py）：

如果出现报错，可能是因为没有安装需要的库所致，根据提示安装即可，尽量选择conda install的命令而不是pip install的命令来安装，具体原因见全面总结 pip install 与 conda install 的使用区别_pytorch安装pip和conda的区别-CSDN博客

好了，到这里深度学习服务器环境的配置就结束啦~~~以后就可以愉快地使用实验室的服务器啦！