远程服务器配置 Anaconda 并安装 PyTorch 详细教程

friedrichor

已于 2023-03-11 21:40:25 修改

阅读量1.3w

点赞数 36

分类专栏：环境搭建文章标签：服务器 pytorch python anaconda

于 2022-11-07 16:06:19 首次发布

本文链接： https://blog.csdn.net/Friedrichor/article/details/127721828

版权

环境搭建专栏收录该内容

9 篇文章 7 订阅

订阅专栏

文章目录

1 远程服务器安装 anaconda
2 配置 PyTorch 环境
- 2.1 安装 PyTorch
- 2.2 检验 PyTorch 安装成功

1 远程服务器安装 anaconda

1.1 安装 anaconda

进入 anaconda 官网，因为服务器是 Linux 系统，所以点击下图图标：

点击下图位置（一般情况下下载这个即可），即可开始下载安装anaconda所需的文件，我这里是 Anaconda3-2022.10-Linux-x86_64.sh（后续更新版本会有差别）：

下载好后我们将 Anaconda3-2022.10-Linux-x86_64.sh 文件上传到远程服务器中，如何上传可以参考我的博客：将本地项目/文件上传到远程服务器中详细教程（vscode，sftp）

按照博客里的步骤，把 Anaconda3-2022.10-Linux-x86_64.sh 上传到远程服务器中：

这样就上传到服务器了：

在服务器中新建终端：

复制 Anaconda3-2022.10-Linux-x86_64.sh 在服务器中的路径（相对路径）：

在终端中输入 sh 刚才复制的相对路径，我这里是 sh Anaconda3-2022.10-Linux-x86_64.sh：

这里直接按回车即可：

然后一直按回车，直到出现如下界面，输入 yes：

然后这里直接按回车即可，然后就会自动在当前目录下创建 anaconda3 文件夹安装 anaconda 的内容：

到这里了依然输入 yes：

最后这样就安装成功了：

1.2 配置环境变量

（这步可能不需要，可以在终端输入 conda，看下会不会正常输出）
安装完 anaconda 后我们发现 conda 并不能用，原因在于环境变量还没配置。

在终端输入 vim .bashrc：

进入 bashrc：

在当前界面输入 i 按键，进入编辑模式。
在最后一行输入 export PATH=“/xxx/anaconda3/bin:$PATH”（其中的 xxx 换成自己当前目录路径，其实也就是 anaconda3 目录所在路径）：

输入后，按键盘上的 esc 键，输入 :wq，再按回车，即可完成保存编辑并退出：

然后就会退回到原先的终端界面，再输入source .bashrc，让配置生效：

然后命令行前面这块出现 (base)，就说明环境变量也配置成功了，并且这时也已进入 conda 环境：

这是可以输入 python 查看下python 版本，再输入 exit() 即可退出 python 环境：

1.3 在终端中进入/退出 conda 环境

conda activate   # 进入conda环境 出现(base)则说明安装成功
conda deactivate # 退出conda环境

1.4 查看服务器 CUDA 最高版本(也包含 GPU 使用率/内存使用情况等信息)

在终端输入 nvidia-smi 可查看 CUDA 最高版本和 GPU 使用率/内存使用情况等信息，下图中各参数意义可参考另一个博客：查看 gpu 使用率/内存使用情况

这里看到 CUDA Version: 11.4，表示我这里服务器支持的 CUDA 最高版本为 11.4，这个版本号在后续安装 PyTorch 时会用到。

2 配置 PyTorch 环境

2.1 安装 PyTorch

创建 conda 虚拟环境，输入 conda create -n pytorch python=3.9(这个指令的含义是创建一个python3.9版本的虚拟环境，名称为 pytorch)，格式为 conda create -n 环境名称 python=版本号：

输入 y：

安装完成：

输入 conda activate pytorch (格式为 conda activate 环境名称)，进入刚才创建的虚拟环境：

进入 pytorch 官网，点击 Install：

如下选择，复制指令 conda install pytorch torchvision torchaudio pytorch-cuda=11.6 -c pytorch -c nvidia。如果服务器支持 CUDA 最高版本高于 11.6 (在上文 1.4 查看 gpu 使用率/内存使用情况等信息 中查看)，那么直接在服务器终端粘贴这个指令即可。

但上文中写到我这里服务器支持的 CUDA 最高版本为 11.4，上图中需要的 CUDA 只有 11.6 和 11.7 版本的，都高于我服务器的 CUDA 版本，那么这时该怎么办呢？

那就只能安装以前的版本了，以满足自己服务器的要求，点击 install previous versions of PyTorch

可以看到这里有个 PyTorch 1.12.1 版本的，底下有可供 CUDA 10.2、11.3、11.6 的 PyTorch安装指令，因为我这里服务器的 CUDA 最高版本为 11.4，安装 PyTorch 肯定要小于这个版本，所以选择 11.3 版本了，复制下图指令，即 conda install pytorch==1.12.1 torchvision==0.13.1 torchaudio==0.12.1 cudatoolkit=11.3 -c pytorch

粘贴到终端（在刚才 conda 新建的虚拟环境(名为pytorch) 中）：

输入y：

等待一会儿，这样就算安装好了：

2.2 检验 PyTorch 安装成功

在终端依次输入 python，import torch，torch.__version__，torch.cuda.is_available()，就可以检验 PyTorch 是否安装成功，并可查看版本号等等。

(pytorch) kfh@amax:~$ python  # 进入python环境
Python 3.9.13 (main, Oct 13 2022, 21:15:33) 
[GCC 11.2.0] :: Anaconda, Inc. on linux
Type "help", "copyright", "credits" or "license" for more information.
>>> import torch   # 输入并按回车后只要不报错就说明pytorch已经安装成功了
>>> torch.__version__  # 查看 PyTorch 版本号
'1.12.1'
>>> torch.cuda.is_available()  # 查看 CUDA 即 GPU 是否可用
True
>>> exit()