【自用】Linux服务器上pytorch环境配置

步骤
1.在命令行终端执行nvidia-smi查看显卡信息
关于此命令详情查看博客： https://blog.youkuaiyun.com/ygq13572549874/article/details/138389815
查看得知服务器上CUDA 版本号：CUDA Version: 11.4，因此我选择低一版本的11.3
2.使用conda创建虚拟环境(同时指定python版本)
conda create -n EnvName python=3.7
此时自动下载pyhton,给我安装的是3.7.12版本
3.安装pytorch框架及相关组件

pip install torch==1.11.0+cu113 torchvision==0.12.0+cu113 torchaudio==0.11.0 --extra-index-url https://download.pytorch.org/whl/cu113

命令来自于Pytorch官方【感谢我帅气的师哥】：https://pytorch.org/get-started/previous-versions/

安装完pytorch及其组件后，执行train.py训练模型，报错如下【没报错不用看了】

from google.protobuf.pyext import _message ImportError

百度发现此文【有效】：https://blog.youkuaiyun.com/weixin_44806193/article/details/89474288
我的错误主要是前面提示信息和他的一致，即from google.protobuf.pyext import _message ImportError，发现可能是protobuf包的版本问题，于是
conda list protobuf 查看服务器protobuf包的版本信息

# Name                    Version                   Build  Channel
libprotobuf               3.20.3               h3eb15da_0    conda-forge
protobuf                  3.20.3           py37h6a678d5_0    https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main

包版本是3.20.3，并且是从清华大学开源软件镜像站下载的(看Channel)，
参考上文降级了成3.6.0，不管用，重新使用pip3 install protobuf==3.20.3安了 3.20.3，发现安装来源变了，不报错了，莫名其妙解决了啊哈哈哈哈 干了兄弟们！

# Name                    Version                   Build  Channel
libprotobuf               3.20.3               h3eb15da_0    conda-forge
protobuf                  3.20.3                   pypi_0    pypi

知识点补充：

1. Build 字段表示包的具体构建版本，Channel是包的来源渠道

• PyPI是 Python 包的官方仓库，使用pip install xx可以安装包

• conda-forge 专注于为 Conda 包管理器提供高质量的软件包

  2.使用 conda 命令默认情况下是从 Conda 的渠道（如 defaults、conda-forge 、pytorch等）安装包，而不是从 PyPI，但也可以在Conda 环境中使用 pip 命令来安装 PyPI 上的包
  不过有注意事项

• 优先使用 Conda 渠道：如果 Conda 渠道中有你需要的包，建议优先使用 Conda 渠道安装，因为 Conda 会更好地管理依赖关系和环境的一致性。

• 混合使用：同一个环境中混合使用 Conda 和 Pip 时，需要注意可能的依赖冲突。可以使用 conda list 和 pip list 命令来检查已安装的包及其版本