服务器上anaconda3在虚拟环境配置pytorch

1. 服务器命令使用:查看服务器的cuda版本

nvidia-smi

​​​​​​2. python环境配置

2.1 安装anaconda3

具体操作看链接

Ubuntu安装conda-优快云博客

2.2 配置conda环境变量

在根目录（base）下输入该命令，返回：未找到该命令则需要配置环境变量，如果是返回conda命令的版本表示配置成功，然后进行下一步2.3。

conda -V

2.2.1 打开用户目录下的 .bashrc 文件

vim .bashrc

2.2.2 添加Anaconda执行文件路径到环境变量中

#将四处“==anaconda_path==”替换为下载的anaconda的路径
__conda_setup="$('==anaconda_path==/bin/conda' 'shell. Bash' 'hook' 2>
/dev/null)"
if [ $? -eq 0 ]; then
eval "$__conda_setup"
else
if [ -f "==anaconda_path==/etc/profile.d/conda.sh" ]; then
. "==anaconda_path==/etc/profile.d/conda.sh"
else
export PATH="==anaconda_path==/bin:$PATH"
fi
fi
unset __conda_setup

2.2.3 命令生效并检查命令是否配置成功

source .bashrc

conda -V

2.3 配置conda环境安装目录

2.3.1 新建.condarc文件

vim .condarc

2.3.2  配置环境目录

#替换两处的“==usename==”改为自己的目录下
show_channel_urls: true
envs_dirs:
- /home/==usename==/.conda/envs
pkgs_dirs:
- /home/==usename==/.conda/pkgs
ssl_verify: true
channels:
    - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
    - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r
    - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/msys2
    - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
    - default
custom_channels:
    conda-forge: http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
    msys2: http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
    bioconda: http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
    menpo: http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
    pytorch: http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
    pytorch-lts: http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
    simpleitk: http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud

3. pytorch安装

        我的建议是使用pip安装，不要用conda安装

3.1 pip安装

可以去官网对应看安装的环境，cuda版本会有对应的命令

PyTorch

一般来说cuda可以向下兼容，即你可以安装比你cuda版本低的pytorch但是不能高，最好是对应版本。

如果没有对应的cuda版本，如图底下有一个note，点击一下this blog就可以看到历史版本。

3.1.1 在虚拟环境的安装过程

#创建虚拟环境 python版本的话3.7最稳定，pytorch没什么要求，tensorflow要求比较多
conda create -n envname python=3.7.3

#从base进入envname虚拟环境
conda activate envname

#安装pytorch
pip3 install torch torchvision torchaudio

#退出虚拟环境 conda deactivate
#删除虚拟环境 （先退出才能删除）conda remove -n   envpt --all

3.1.2 测试gpu是否能用

#输入python 进入python编辑环境
python
#导入包
import torch

#返回True代表可用
torch.cuda.is_avaiable()

#在gpu上创建张量，创建成功则表示安装成功
torch.zeros(1).cuda()

3.2  conda安装

 conda 安装是从镜像源安装的，安装速度要比pip安装要快，但是我自己在用conda安装的时候出现了下面的问题，所以不是很建议大家去用conda安装。conda的安装教程我也不会在此处写明了。