(最最最全)远程服务器连接新手教程-服务器基本指令、连接服务器、安装Anaconda、配置Conda、配置环境、bashrc环境变量修改(为空怎么办)

目录

一、服务器基本指令

二、服务器中安装Anaconda

三、Conda:未找到指令(Conda安装)

四、创建虚拟环境并激活

五、配置Pytorch环境

六、检查Python、Pytorch、CUDA是否安装成功

七、总结


一、服务器基本指令

  • ls - 列出当前目录的文件和子目录
  • cd - 改变当前目录
  • pwd - 显示当前目录的路径
  • df - 查看当前内存
  • mkdir - 创建新目录
  • rm - 删除文件
  • cp - 复制文件
  • mv - 移动或重命名文件

https://blog.youkuaiyun.com/weixin_43693391/article/details/133984143?ops_request_misc=%257B%2522request%255Fid%2522%253A%2522172182401416800184148849%2522%252C%2522scm%2522%253A%252220140713.130102334..%2522%257D&request_id=172182401416800184148849&biz_id=0&utm_medium=distribute.pc_search_result.none-task-blog-2~all~sobaiduend~default-1-133984143-null-null.142^v100^pc_search_result_base6&utm_term=%E6%9C%8D%E5%8A%A1%E5%99%A8%E5%9F%BA%E6%9C%AC%E6%8C%87%E4%BB%A4&spm=1018.2226.3001.4187icon-default.png?t=N7T8https://blog.youkuaiyun.com/weixin_43693391/article/details/133984143?ops_request_misc=%257B%2522request%255Fid%2522%253A%2522172182401416800184148849%2522%252C%2522scm%2522%253A%252220140713.130102334..%2522%257D&request_id=172182401416800184148849&biz_id=0&utm_medium=distribute.pc_search_result.none-task-blog-2~all~sobaiduend~default-1-133984143-null-null.142%5Ev100%5Epc_search_result_base6&utm_term=%E6%9C%8D%E5%8A%A1%E5%99%A8%E5%9F%BA%E6%9C%AC%E6%8C%87%E4%BB%A4&spm=1018.2226.3001.4187

我常用的:df \ ls \ clear, 其余的看上面这篇文章~

二、服务器中安装Anaconda

问题:xshell和vscode(连远程服务器)中执行conda指令一直显示 “conda:未找到指令”

正确的解决方案:在远程服务器中重新安装Anaconda和配置相应环境

错误的让人疯狂的解决方案:如下图们所示

以上都不行 呵呵。

所以要在服务器重新安装Anaconda,就要先去官网下载Anaconda

Download Now | Anacondaicon-default.png?t=N7T8https://www.anaconda.com/download/success

选择python3.12 第一个选项,然后等着下载

下载好后将文件上传到远程服务器中(用xshell)

记得修改一下对应路径哦

然后我的整个文件夹就被删除了????????????????????????????????????????????????????????????????????? 好好好 从头来。

上面一样的过程,然后直接一开始就指定路径,并且记得最后要/anaconda3哦

这样就表示Anaconda安装成功了,下面进行conda的安装

三、Conda:未找到指令(Conda安装)

vim ~/.bashrc
source ~/.bashrc
conda activate

这个图上写的不对哈,最好是用 vim ~/.bashrc

export PATH=“/xxx/anaconda3/bin:$PATH”

如果按照上图的教程,你会收获:

第一个bashrc文件

第二个bashrc文件(三个相同)

第三个bashrc文件

a. 直接vim .bashrc 会在根目录下自动创建一个新文件,并且该文件是空的 (×)

b.在服务器中搜索“bashrc”打开文件(非空),打开后手动修改(×)

c.命令行未vim ~/.bashrc 这样打开的文件才是正确的,然后在相应位置添加上环境变量,即可解决问题 (√),然后激活conda环境

conda activate

可以看到前面加了个(base),表示conda安装成功

四、创建虚拟环境并激活

conda create -n yolov8 python=3.8
conda activate yolov8

五、配置Pytorch环境

下面看一下自己CUDA的版本(选择比自己版本低的,一般选择11.6或者11.8)

我要跑的这个数据集要求CUDA11.6  PyTorch1.13.1 因此选择下图这个指令

六、检查Python、Pytorch、CUDA是否安装成功

python
import torch
torch.__version__
torch.cuda.is_available()
exit()

这样就全部安装成功啦!!!!!!

七、总结

总结一下安装过程遇到的问题:

①想把anaconda安装在data1/zhangjiening里,但是默认路径是home/zhangjiening,在第一遍安装的时候没修改路径,直接安到了home下(但是home文件夹不可以存个人数据),因此第二遍选择指定路径data1/zhangjiening,但是显示已经存在anaconda3这个文件夹,但实际并不存在这个文件夹??反而在home下有anaconda3这个文件夹???有毒???

解决:全部重新安装了一遍,第一遍就直接指定路径。

②三种bashrc文件夹

a. 直接vim .bashrc 会在根目录下自动创建一个新文件,并且该文件是空的 (×)

b.在服务器中搜索“bashrc”打开文件(非空),打开后手动修改(×)

c.命令行未vim ~/.bashrc 这样打开的文件才是正确的,然后在相应位置添加上环境变量,即可解决问题 (√)

!!!一些具体的详细步骤可以参考:(但这篇文章由于年代久远了,有几个坑需要注意一下,我都写了)

远程服务器配置 Anaconda 并安装 PyTorch 详细教程_远程服务器安装anaconda-优快云博客

### 安装 Anaconda 并创建 Conda 虚拟环境远程服务器安装 Anaconda 和创建 Conda 虚拟环境的过程可以通过以下方法实现: #### 下载并安装 Anaconda 首先,在远程服务器上下载最新版本的 Anaconda。可以使用 `wget` 命令来完成此操作。 ```bash wget https://repo.anaconda.com/archive/Anaconda3-2023.07-1-Linux-x86_64.sh ``` 接着赋予脚本可执行权限,并运行该脚本来启动安装过程。 ```bash chmod +x Anaconda3-2023.07-1-Linux-x86_64.sh ./Anaconda3-2023.07-1-Linux-x86_64.sh ``` 按照提示完成安装,通常需要接受许可协议、选择安装路径等设置[^1]。 #### 初始化 Conda 安装完成后,初始化 Conda 以便能够在终端中直接调用它。 ```bash source ~/.bashrc ``` 这一步确保每次打开新的终端窗口时都会加载 Conda环境变量[^2]。 #### 创建一个新的 Conda 环境 通过指定 Python 版本来创建一个新的 Conda 环境。 ```bash conda create --name myenv python=3.9 ``` 上述命令将创建名为 `myenv` 的新环境,并将其默认使用的 Python 设置为 3.9 版本。 #### 激活和停用 Conda 环境 激活刚刚创建的 Conda 环境。 ```bash conda activate myenv ``` 当不再需要当前环境时,可通过以下命令退出: ```bash conda deactivate ``` #### 使用国内镜像源加速包管理 为了提高软件包安装的速度,建议配置国内镜像源作为默认仓库地址。例如,清华大学开源软件镜像是一个常用的选择。 编辑 `.condarc` 文件或者直接运行如下命令以更改默认通道至清华 TUNA 镜像站: ```yaml channels: - defaults show_channel_urls: true default_channels: - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free custom_channels: conda-forge: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud msys2: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud bioconda: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud menpo: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud pytorch: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud simpleitk: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud ``` 也可以替换阿里云 PIP 源用于更快地安装 Python 库[^3]。 ```bash pip install -e '.[deepspeed]' -i https://mirrors.aliyun.com/pypi/simple/ ``` --- ### 示例代码片段展示 NumPy 向量生成逻辑 以下是基于给定数据维度构建随机向量的一个例子[^5]。 ```python import numpy as np dimension = 64 # 数据维度 database_size = 100000 # 数据库大小 query_number = 10000 # 查询数量 np.random.seed(1234) # 设定种子保证结果重现性 # 构建数据库中的向量集合 data_vectors = np.random.random((database_size, dimension)).astype('float32') data_vectors[:, 0] += np.arange(database_size) / 1000. # 构建查询集中的向量集合 query_vectors = np.random.random((query_number, dimension)).astype('float32') query_vectors[:, 0] += np.arange(query_number) / 1000. ``` 以上代码展示了如何利用 NumPy 来模拟高维间内的随机点分布情况。 ---
评论
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