服务器配置个人深度学习环境（Conda + Pytorch-GPU）

实验室的深度学习服务器（Linux系统）通常多个学生公用，通常是采用分用户配合conda虚拟环境管理的方式来实现环境的独立和互不干扰。接下来介绍一下在分到一个新的服务器账户后，配置自己的个人环境。

一、安装Aanaconda

前往官网下载最新版本安装包，或者去历史版本页面选择你想安装的版本，然后可以借助XFtp之类的工具把安装包传到服务器上自己的目录下。

或者，在历史版本页面复制下载地址，在服务器上直接用wget命令下载，比如

wget https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/Anaconda3-2020.07-Linux-x86_64.sh

 安装包下载后，用 bash 文件名 命令安装

bash Anaconda3-2020.07-Linux-x86_64.sh

 安装的时候基本一路选yes就行了。安装结束后输入 conda --version看看有没有输出，有的话证明安装完成。（如果显示conda命令不存在之类的，可能需要断开连接重连一下来刷新环境）

安装好后配置一下清华源，可以提升以后下载库的速度

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
conda config --set show_channel_urls yes

也可以安装miniconda，是轻量级的conda环境，如果硬盘空间比较紧张，建议安装miniconda，方法类似。 

二、建立虚拟环境

通过命令 

的命令可以创建自己的虚拟环境，-n后面的 env_name代表环境的名字，可以自行修改 python版本号可以根据自己需要更改，后面还可以跟上一些库名。比如我要创建一个名为test的虚拟环境，像以下命令都是可行的

conda create -n test python=3.6
conda create -n test python=3.7 numpy pandas

安装完成后，可以通过 conda activate env_name的方式激活环境。比如下面第一行就是激活test环境，第二行是退出环境

conda activate test
conda deactivate

 查看已有的虚拟环境

conda-env list

三、安装Pytorch及其他常用库

在pytorch的官网上找到你需要的版本，并找到下载命令。

比如我要下载linux系统下的1.0.1版本，选择cuda9.0的GPU版，对应的命令为

conda install pytorch==1.0.1 torchvision==0.2.2 cudatoolkit=9.0

如果换了清华源下载速度还很慢，可以采用手动下载的方式，看我这篇博客

安装可视化工具tensorboardX（同时需要安装tensorflow作为支持库）

conda install -c conda-forge tensorboardx==1.7
conda install tensorflow==1.7.0

注意一下两者版本的匹配，稳妥起见可以像我一样指定版本号去安装

自用可行组合：

pytorch 1.0.1 + tensorboardx 1.7 + tensorflow 1.7.0

pytorch 1.4.0 + tensorboardx 2.0 + tensorflow 1.15.0