服务器环境配置(Anaconda+pytorch)

本文详细介绍了如何使用XShell和XFTP连接远程服务器,并通过Anaconda搭建Python开发环境的过程。包括设置连接参数、下载及安装Anaconda、创建及激活虚拟环境、安装PyTorch及其它常用库的方法。

一、xshell和xftp

xshell:
名称:自己随便写
协议:SSH
主机:要连接的IP地址
端口号:22

xftp:
名称:自己随便写
协议:SFTP
主机:要连接的IP地址
端口号:22

点击记住用户名和密码

二、Anaconda下载

wget https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/Anaconda3-2020.11-Linux-x86_64.sh

这里下载Anaconda用的是清华镜像
小提示:在xshell中不要直接用ctrl+c进行复制,ctrl+c会结束进程

下载完成后,进行安装

bash Anaconda3-2020.11-Linux-x86_64.sh

一路按enter,然后输入yes
等安装完成后,输入

source .bashrc

然后用户名前面就会有一个 (base) ,说明现在处于基础环境中

三、安装pytorch

先创建一个环境

conda create -n pytorch python=3.7

pytorch 是新环境的名字,环境名可以随便写,python=3.7是指定python 3.7版本,这里可以替换成自己想安装的版本号

创建好后,激活环境

conda activate pytorch

然后下载与服务器gpu cuda版本相对应的pytorch版本,可以去pytorch官网查看对应版本
因为从官网下载太慢,这里就用了清华源

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --set show_channel_urls yes

可以查看一下是不是添加成功了

conda config --show

然后从上面的pytorch官网中找到对应版本的安装命令,注意要把最后的-c pytorch去掉,不然就会从原来的默认源进行下载
cuda 9.0对应的pytorch版本

conda install pytorch==1.1.0 torchvision==0.3.0 cudatoolkit=9.0

四、安装其他包

安装opencv

pip install opencv_python==3.4.2.17
pip install opencv-contrib-python==3.4.2.17

安装matplotlib

pip install matplotlib
### 如何在Anaconda中配置PyTorch与Jupyter Notebook并在PyCharm中使用 #### 创建并激活虚拟环境 为了确保不同项目之间的依赖项不会相互冲突,建议为每个项目创建独立的虚拟环境。对于希望集成PyTorch、Jupyter Notebook以及能够在PyCharm中使用的场景来说,可以通过以下方式操作: 通过命令`conda create -n pytorch python=3.7`来创建一个新的名为pytorch的环境,并指定Python版本为3.7[^2]。 一旦完成上述步骤,则需利用`conda activate pytorch`指令切换至新建好的环境中去工作[^1]。 #### 安装必要的软件包 进入目标环境后,下一步就是安装所需的库工具。这包括但不限于PyTorch本身及其支持组件nb_conda_kernels用于使当前环境中的内核能在其他地方被识别到,比如Jupyter Notebook里头;还有可能需要额外安装一些常用的科学计算库如numpy等。 具体的安装命令如下所示: ```bash conda install pytorch torchvision torchaudio cudatoolkit=11.3 -c pytorch conda install nb_conda_kernels ``` 以上命令不仅完成了PyTorch及相关视觉音频处理模块的部署,同时也指定了CUDA Toolkit的具体版本号以便于GPU加速运算的支持(如果硬件条件允许的话),最后还加入了nb_conda_kernels使得该环境下建立起来的kernel能够被Jupyter所调用。 此时,在终端窗口中启动Jupyter Notebook服务应该就能看到新加入的Kernel选项了,意味着可以在Notebook文档里面直接运用已安装在此环境内的各种资源来进行开发测试活动。 #### PyCharm设置解释器路径 为了让PyCharm也能顺利访问同一套环境里的所有东西而不报错,关键是让IDE知道去哪里找对应的Python解析程序位置。按照描述的方法之一是在菜单栏依次点击File -> Settings...-> Project: project_name -> Python Interpreter,随后选择左侧列表底部的小齿轮图标再选取Add...选项卡页签,从弹出来的对话框当中挑选System Interpreter一项,最终定位到先前构建的那个anaconda目录底下相应版本号的python.exe文件作为新的默认解释器即可[^3]。 经过这样一番调整过后,理论上讲无论是编写纯代码还是交互式的notebooks形式的工作流程都变得顺畅无阻了——既可在本地IDE内部享受高效便捷的功能特性,又能借助远程服务器上的强大算力开展大规模的数据分析任务。
评论 3
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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