【项目复现】- AutoDL

一、复现代码举例

我们在复现其他baseline的时候，要看代码的环境要求，例如：

# Environment Setup
Python 3.7.13
CUDA 11.1
Pytorch 1.10.1
torchvision 0.11.2

注： 以上的环境是必须要按照作者要求的安装，如果换其他的版本，就可能会出错。而其他依赖可以直接pip安装，无版本要求。

二、创建环境——选择一个Python版本

为了方便环境管理，我们是基于工程来创建这个工程的环境。

2.1 创建基本环境

2.1.1 基于AutoDL

• 先建一个基本环境：
  
• 进入终端、创建python：
  

conda create -n hra37 python=3.7.13

2.1.2 基于PyCharm

• 打开一个工程；
• 创建基本环境：File -> Settings -> Project -> Python Intepreter -> Conda Environment -> 点 **+ ** ->New environment -> 指定Python版本和修改环境名字
  
  安装时出现错误：
  

排查错误：

• 查看镜像源是清华还是中科大：

conda config --show channels

显示如下：（显示为中科大）

• 用终端创建环境，需要cd到anaconda3/bin下在安装：
  

conda create -p /home/wanghui/anaconda3/envs/HRA-UNET -y python=3.7.13

依然出现问题。发现是本身服务器的问题。然后，将服务器放在AutoDL的私有云上，重新配环境，成功。

2.2 终端激活环境

conda activate hra37

2.3 退出环境

conda deactivate

2.4 删除环境

conda remove -n hra37 --all  # hra37是我想删除的环境名

三、PyTorch安装

3.1 查看cuda

• 安装PyTorch必须找到对应的cuda，所以先查看自己的服务器CUDA。

  1. 终端输入命令：nvidia-smi
     

  2. 终端输入命令：nvcc --version
     

补充：

• nvidia-smi全程是NVIDIA System Management Interface ，它是一个基于前面介绍过的NVIDIA Management Library(NVML)构建的命令行实用工具，旨在帮助管理和监控NVIDIA GPU设备。
• nvcc和nvidia-smi显示的CUDA版本不同。CUDA有两个主要的API：runtime(运行时) API和driver API。这两个API都有对应的CUDA版本（如9.2和10.0等）。如果driver API和runtime API的CUDA版本不一致可能是因为你使用的是单独的GPU driver installer，而不是CUDA Toolkit installer里的GPU driver installer。 参考：显卡，显卡驱动,nvcc, cuda driver,cudatoolkit,cudnn详解

结论： 这个服务器的cuda 11.7，可向下兼容。

3.2 查看linux系统的版本号

uname -a