服务器pytorch相关配置（记录自用）

使用的是pycharm远程控制服务器，服务器内已安装并配置好miniconda3+python3.8.5。
新建环境后总是要配置一些东西，记录在此便于以后参考。

使用conda虚拟环境

#获取版本号 conda --version 或 conda -V
#检查更新当前conda conda update conda
#查看当前存在哪些虚拟环境 conda env list 或 conda info -e

conda create -n your_env_name python=X.X
source activate your_env_name //启动虚拟环境
source deactivate //关闭conda环境
conda remove -n your_env_name(虚拟环境名称) --all //删除conda虚拟环境
新建环境

新环境安装必要的包

0. 更新pip

python -m pip install --upgrade pip

使用命令 pip list 即可查看已安装的库列表：

1. pytorch

安装方法1

校园网下，直接根据官网指引，选择所对应的命令即可，无需更换源。https://pytorch.org/
我用的pip指令，而不是conda。

检验是否成功

python
import torch
print(torch.__version__)  #查看版本号

终端界面显示如下

安装方法2（推荐）

后来发现通过 方法1 官网指引安装pytorch，可用版本比较少，比如我是CUDA11.0，但官网只有关于CUDA11.1的推荐。实际上这两个适配的pytorch版本是有一些差异的，在某些场景下可能会报错。因此我卸载了原本安装的pytorch，采用了另一种更灵活的方法。

1. https://download.pytorch.org/whl/torch_stable.html 直接在该网页找到合适版本的torch并下载，然后拖到服务器内自己的home文件夹。
   根据命名就可以找到合适的版本，如下图所示，torch-1.7.1是pytorch的版本号，cu110指CUDA 11.0，cp38指python 3.8，最后是linux 64位系统。
   

2. 把下载下来的文件拖入服务器home文件夹内后，直接用命令安装即可
   pip3 install “刚才下载的文件名”（如 pip3 install torch-1.7.1-cp38-cp38-win_amd64.whl）

3. 查看pytorch和cuda是否匹配

python
import torch
torch.cuda.is_available()

如果返回True，则匹配；返回False，需要调整一下cuda或torch的版本，重新部署一下环境。

2. python安装numpy与scipy

安装了python3.0以上版本会比较简单
直接

pip install numpy
pip install scipy

3. 安装机器学习python库sklearn

首先需要进行包依赖检查，具体有以下几个要求：

• Python（>=2.6 or >=3.3）
• NumPy(>=1.6.1)
• SciPy(>=0.9)

满足上述条件后，可以直接使用pip进行安装：

pip install -U scikit-learn