远程配置深度学习服务器详细教程，配置Conda+PyTorch环境

原创 已于 2025-01-16 11:28:29 修改 · 5.9k 阅读 · 129 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#pytorch #深度学习 #服务器

于 2022-11-24 19:54:59 首次发布
该文详细介绍了如何在Linux服务器上连接并配置conda环境，以及如何创建虚拟环境和安装PyTorch。首先，下载并安装Anaconda，然后配置清华镜像源以加速下载。接着，创建一个名为“pytorch”的conda虚拟环境，并激活。最后，在环境中安装对应CUDA版本的PyTorch，验证安装成功。

进入实验室以后，大家就会用实验室的服务器跑一些深度学习模型。如何连接服务器，以及连接服务器后如何配置conda和PyTorch深度学习框架，在此进行详细的介绍。

首先，在连接服务器之前，需要向服务器的管理员申请个人账号。

连接服务器详细教程连接：https://blog.youkuaiyun.com/Bluebro/article/details/127626548?spm=1001.2014.3001.5502

接下来我详细介绍连接服务器后如何配置conda+pytorch环境。

目录

1.安装Anaconda

清华镜像网站下载连接：https://repo.anaconda.com/archive/index.html

  • 服务器的系统是Linux，因此下载linux版本的Anaconda3，我下载的版本是Anaconda3-2022.05-Linux-x86_64.sh
    在这里插入图片描述
  • 下载完成后，通过Xftp或其他软件将文件传到服务器
    在这里插入图片描述
  • 或者直接从服务器下载文件，将要下载的文件复制链接，输入以下命令
wget https://repo.anaconda.com/archive/Anaconda3-2022.05-Linux-x86_64.sh
  • 输入命令bash Anaconda3-2022.05-Linux-x86_64.sh，安装文件
    在这里插入图片描述
  • 安装过程中，一直点Enter或者输入yes即可
最低0.47元/天 解锁文章
在服务器上配置可以远程访问的Pytorch或Tensorflow环境
qq_37556330的博客
04-26 599
在服务器上配置可以远程访问的Pytorch或Tensorflow环境 首先明确自己需要的TensorFlow或者 PyTorch及Python编译器版本,以安装1.4版本的pytorch为例 接着访问docker hub,寻找对应版本的TensorFlow或 PyTorch镜像, 在搜索框输入pytorch,点击第一个官方镜像 https://hub.docker.com/ 打开官方镜像详情后，点击Tags,输入1.4 查询所需要的1.4版本的pytorch镜像 使用命令拉取镜像到本地 docke
远程服务器安装Pytorch
m0_72088520的博客
06-11 2491
作为研0小白，当导师分给你4090去跑代码，当你满心欢喜去找师兄创建账号，当你顺利连通远程服务器，当你兴致勃勃打开code准备一展身手的时候，torch.cuda.is_available()->False给你别样的惊喜。这篇博客将会介绍我安装Pytorch的部分历程，希望对你有用。嗯，因为大多数服务器都要求连接校园网使用，但是我现在还在本科院校，所以使用了师兄的EasyConnet账号，如果有读者感兴趣，等我有时间可以出一篇博客介绍下这个软件~一、CUDA和Cudnn。
用conda配置pytorch环境
最新发布
Saint_Galgomon的博客
11-26 167
输入conda create -n xxx python==3.8，创建环境，使用python3.8版本。win+ R cmd 输入nvidia-smi查看支持的最高cuda tookit版本。然后在pytorch中找历史版本，找1.10.1版的cuda11.3不复制最后的。输入conda env list 可以查看环境列表。到xxx中粘贴，然后就开始下载cuda了。然后选择Anaconda Prompt。下载完conda后按win键可以找到。conda list 展示环境中的包。
远程服务器配置深度学习环境
GavinChan
02-13 1574
随着AI技术越来越火，一个机械结构的也开始卷入深度学习机器视觉。由于对YOLO（You Only Look Once）比较感兴趣，参考了B站）教程搭建Yolov3基于VOC2007+12数据集的深度学习模型。由于本子太慢了，借助远程服务器进行训练。
这绝对是你见过的最全深度学习服务器管理配置手册，学不会你打我
weixin_42364196的博客
10-22 5671
最近在配置服务器，遇到了不少问题，在此整理记录一下。主要是以下几个方面：多用户管理、服务器环境配置、Anaconda虚拟环境安装TensorFlow/PyTorch、远程访问。
远程服务器上配置conda环境
andy dennis的博客
11-06 1万+
前言 本文假设在linux的机子上进行配置。由于作者经常需要在特定环境的代码中才能运行成功，因此最好是配置一个conda env虚拟环境(当然使用virtualenv也可以), 不过有些论文作者直接就是按照conda去配置，然后把一些依赖导出，因此本文说一下如何在linux上配置conda. 下载miniconda 该部分参考 https://blog.youkuaiyun.com/qq_42951560/article/details/109152114 暂时没感受到conda和miniconda的区别，我在
Linux服务器下配置深度学习环境（PyTorch）
qq_43307074的博客
10-29 8112
在Linux服务器上配置深度学习环境
【人工智能conda开发环境安装详细教程-图文版】基于Anaconda与VSCode的Python虚拟环境搭建：深度学习框架PyTorch Geometric多场景部署方案
11-07
内容概要：本文详细介绍了Python开发环境的搭建与配置流程，重点涵盖Anaconda、VSCode和PyCharm的安装与使用方法。通过Anaconda创建独立的虚拟环境，解决不同项目间的依赖冲突问题，并讲解了如何配置Conda和pip的...
Linux服务器安装深度学习环境（Anaconda+Pytorch）
fx714848657的博客
12-03 2853
先前尝试过新建一个Python=3.7版本的虚拟环境，但还是无法成功安装，可能是诸如numpy、scipy等其它包的版本无法对应，因此寻找历史版本的Anaconda进行安装。各种版本都安装失败，此时考虑手动下载所需的torch、torchvision和torchaudio的whl文件后，上传至服务器并进行pip安装。如果遇到URL读取超时问题，可以使用--default指令人为设置读取时间，以增加读取次数，比如设为--default 6000，在安装一般的软件包时完全足够。
【WSL2笔记2】 搭建深度学习开发环境踩坑笔记 Ubuntu+CUDA+cuDNN+PyTorch+Tensorflow+ONNX
老富的博客
04-06 4574
错误的结果就是配置的所有虚拟环境都以base的python版本运行，无法配置每个虚拟环境使用不同python版本，失去了虚拟环境意义。至此，适用PyTorch、Tensorflow、cuDNN框架的深度学习开发环境搭建完成。WSL 上的 CUDA 用户指南。安装protobuf 3.2版本。Anaconda官网版本档案。下载Anaconda安装包。创建Python虚拟环境。设置Anaconda路径。需要注册账号登录下载。通过SSH传送WSL。
连接Linux远程服务器配置Pytorch环境
UIBE_day_day_up的博客
11-15 1798
远程连接 Linux 服务器，使用清华镜像源配置 Pytorch 环境全过程
远程服务器安装Anaconda并创建conda环境（超详细）
热门推荐
weixin_60701343的博客
07-19 1万+
复制linux最新版本网址https://repo.anaconda.com/archive/Anaconda3-2024.06-1-Linux-x86_64.sh。如何会弹出选择anaconda3文件存放的文件夹路径可以直接默认回车即可，也可自定义设置。如果验证失败，不能查看到conda版本及环境列表，可能是因为在安装中出现了问题，往下走。[yes|no]: no（选择no跟着下面一步步走，选择yes直接跳到第二步）咱们下载的Anaconda安装包是sh文件，直接使用bash安装即可。
远程登陆服务器跑深度学习程序
qq_43218502的博客
06-13 6968
什么是远程登陆服务器跑深度学习程序： 我最开始跑程序都在cpu或者谷歌云端，最近刚开始有gpu服务器，有空可以写一下谷歌云端跑程序教程，对于没有gpu服务器的可以考虑蹭谷歌云端的gpu，缺点就是非常不稳定，跑一个小网络可能要掉线三四次，很崩溃。 远程登陆服务器跑深度学习程序：在远程服务器上搭建跑程序的环境，然后把你想跑的程序及相关的文件传到远程服务器上，用命令行或者Pycharm或者Jupyter Notebook开始调试程序。也就是本机只是控制作用，程序的运行是在服务器上，利用了服务器的gpu可以加快深度
远程服务器安装适配CUDA的pytorch
qq_46147236的博客
11-07 987
连接服务器，在terminal执行nvidia-smi命令查看。可能需要低于cuda version12.2，具体我也不太懂。兜兜转转尝试过好多教程，总是版本对应出错。注意要下载对应你的cuda版本的dgl，不然默认会下载cpu版的。3.1 先查看自己的cuda版本。官网找对应cuda版本的安装命令。一、查看需要安装的cuda版本。如果返回TRUE说明成功了！三、如果代码有用到dgl库。四、测试cuda是否可用。二、安装pytorch。
服务器配置深度学习环境（非root用户）
keda_xiaoli的博客
10-25 619
服务器配置深度学习环境（非root用户） root用户也可食用，本文主要面向购买服务器但不知道如何食用的玩家。不建议用root用户安装anaconda，在学习的服务器或者公司中一般是拿不到root账号的，而且root账号的安装位置不在home目录下，可能会影响其他用户对服务器的使用。所以本文模拟普通用户进行深度学习。 使用xshell连接远程服务器 用useradd命令创建一个普通用户 使用普通用户的账号和密码重新登录服务器，普通用户登录的默认位置是/home/用户名 接下来的所有操作
如何搭建一台深度学习服务器
凌风探梅的专栏
03-11 9244
如何搭建一台深度学习服务器 by 写长城的诗 • October 17, 2015 • Comments Off This post was kindly contributed by 数据科学中的R和Python - go there to comment and to read the full post. 在计算机时代的早期，一名极客的满足感很大
深度学习服务器环境配置总结
骜蛟的博客
11-17 4408
环境配置总结 一、连接服务器 1.1 命令行 登录： ssh 用户名@服务器IP地址 -p 端口号 然后输入密码就可以了。 缺点是上传下载文件比较麻烦。 1.2 FinalShell 配置好信息即可，上传下载文件方便，有可视化文件管理。 二、Pytorch环境配置 2.1 conda Conda 是一个开源的软件包管理系统和环境管理系统，用于安装多个版本的软件包及其依赖关系，并在它们之间轻松切换。 一般服务器上都先装好了conda，直接创建一个个人虚拟环境。 conda create -n 个人环
如何使用远程linux服务器运行深度学习项目
xiaxiahhu111的博客
03-08 2680
如何使用远程服务器跑深度学习项目 一、软件安装 Xshell:用于登录远程服务器终端 Xftp：用于上传或下载远程服务器文件，可视化目录界面 （可选） Microsoft VS Code：轻量级代码编辑器，可通过配置连接远程，直接在编辑器上修改远程代码文件 关于如何配置VS Code实现远程连接，可参考： vs code 远程连接服务器（超详细，图文说明） （可选）远程桌面连接：（Windows自带） 使用Windows登录远程，可参考： windows系统如何远程桌面连接 二、上传项目文件 使用Xft
如何用远程服务器的GPU跑yolo深度学习项目(新手也能学会）
aloha
04-19 3406
6.下载完成后，执行python detect.py，如果出现报错可能是可你在本地pycharm中运行出现的错误一样（步骤3），同样解决掉就行，如果出现其他错误百度一下即可，以下表示检测成功。3.同理，通过Xftp将压缩后的yolo项目传到服务器，解压，执行python train.py就可以开始训练了。切换到自己在xshell中建立的虚拟环境，进入到yolov5的根目录，执行pip install -r requirements.txt(安装所需的依赖包)，如下图。
评论 1
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值