Ubuntu下离线使用Anaconda配置深度学习环境

假设你现在有一台已安装了Ubuntu操作系统的服务器，上面已安装好了CUDA，出于安全原因，该服务器禁止接入互联网。然而，你需要在该服务器上安装Anaconda用来管理多个python项目，那么，如何实现该目的？

安装Anaconda

该过程网上存在很多教程，无非是从Anaconda官网（Anaconda下载地址）下载安装包，拷贝到服务器上进行安装，此处不再赘述。

使用Anaconda离线创建环境

使用以下命令离线创建环境：

conda create -n ENVIRONMENT --offline
注意，此处的 ENVIRONMENT 为你要创建的环境名称，请自行指定

离线安装Python

• 从以下链接下载你所需要版本的Python安装包：（Python安装包下载地址）。提示，若直接下载速度过慢，可拷贝下载链接至迅雷下载。
• 将下载好的Python安装包（例如，python-3.6.9-h265db76_0.tar.bz2）拷贝到Ubuntu服务器上，
• 激活创建的环境：

conda activate ENVIRONMENT

• 使用cd命令进入Python安装包所在路径，执行以下安装命令：

conda install python-3.6.9-h265db76_0.tar.bz2 --offline

安装pip（若有需要）

其实使用conda命令即可安装包，但是有人喜欢使用pip安装，因此在这里说一下pip的安装方法。需要注意的是，安装pip前首先需要安装setuptools:

安装setuptools

• 从以下链接下载setuptools：setuptools下载链接，需要注意的是，下载的时候要和你所安装的Python版本对应。例如，我所安装的Python版本是3.7.10，则下载的setuptools版本为：setuptools-49.6.0-py37.tar，其中，py37即代表对应的是Python3.7版本。
• setuptools的安装与上面安装Python的过程相同。

安装pip

安装pip的方法与安装setuptools相同。

安装PyTorch

注意： 安装PyTorch前要知道自己已安装的CUDA版本。安装的PyTorch、CUDA和Python这三者的版本要相互对应。使用如下命令查看已安装的CUDA版本（此处默认您已经在服务器上配置好了CUDA）：

nvcc -V

例如，执行以上命令，我的服务器显示的信息如下：

nvcc NVIDIA ® Cuda NVIDIA compiler driver
Copyright © 2005-2018 NVIDIA Corporation
Build on Sat_Aug_25_21:08:01_CDT_2018
Cuda compilation tools, release 10.0, V10.0.130

其中，10.0表示我所安装的CUDA版本是10.0。
我所安装的Python为3.7，CUDA为10.0，需要PyTorch版本为1.1.0。从该链接下载CUDA 10.0对应的torch。例如，我下载的版本为：torch-1.1.0-cp37-linux_x86_64.whl，其中，cp37代表对应的版本为3.7。

• CUDA 10.0对应torch下载链接。
• CUDA 10.0以上对应torch下载链接。其中，cu100代表CUDA 10.0，cu101代表CUDA 10.1，以此类推。

安装

使用以下命令安装torch：

pip install torch-1.1.0-cp37-linux_x86_64.whl --offline

这里简单介绍了离线配置深度学习环境的方法，后续如果需要安装其他包也可以参照上面的方法。服务器无法接入网络的弊端就是要频繁的拷贝、安装，耗费时间较多。