服务器配置与应用心得,服务器基础环境搭建心得体会

　　环境1概述。连接到server 1.1命令行登录：

　　Ssh用户名@服务器IP地址-p端口号，然后输入密码。

　　缺点是上传下载文件比较麻烦。

　　1.2 FinalShell可配置信息，上传下载文件方便，文件管理可视化。

　　二。Pytorch环境配置2.1 conda Conda是一个开源的软件包管理系统和环境管理系统，用于安装多个版本的软件包及其依赖关系，并在它们之间轻松切换。

　　一般先在服务器上安装conda，直接创建个人虚拟环境。

　　一个create-n个人环境命名为python=3.7，从而用py hon 3.7版创建了一个虚拟环境。

　　激活这个环境：conda激活your_env_name，可以看到环境从base切换到your_env_name。

　　退出环境：conda停用

　　Conda常用命令：

　　检查现有环境conda env列表检查已安装的软件包conda列表更改图像源conda配置-添加通道源地址conda配置-设置show _ channel _ urls是删除环境conda remove-ny our _ env _ name-all 2.2 py torch安装1，在线安装

　　先查一下GPU的CUDA版本号：nvidia-smi(中间没有空格！)

　　选择相应的CUDA版本、操作系统等。在pytorch官网，并且会在底部给出命令。

　　只需在您的个人环境中直接运行这个命令。如果遇到网络问题，可以考虑换片源。

　　以下是其他版本：https://pytorch.org/get-started/previous-versions/.

　　2、离线安装

　　网站：https://download.pytorch.org/whl/cu101

　　下面是对应的CUDA 10.1版本。找到相应的torch和torchvison文件下载。

　　torch-1 . 5 . 1 Cu 101-cp37-cp37m-Linux _ x86 _ 64 . whl

　　torch vision-0 . 6 . 1 Cu 101-cp37-cp37m-Linux _ x86 _ 64 . whl

　　比如就这两个，cp37代表python版。

　　然后连接服务器，上传这两个文件。激活您的个人环境，并在whl文件所在的路径中使用命令：pip install file name进行安装。注意：torch和torchvison的版本也有对应关系。

　　3、测试

　　首先进入你的环境，进入python启动python解释器，然后依次进入。

　　Import torch.cuda.is _ available()显示为True，您就完成了，表明您可以利用GPU了。

郑重声明：本文由网友发布，不代表盛行IT的观点，版权归原作者所有，仅为传播更多信息之目的，如有侵权请联系，我们将第一时间修改或删除，多谢。