在服务器上下载anaconda，配置pytorch的过程 [CUDA11.4]，以及使用pychram连接服务器

服务器上anaconda下载及pytorch配置过程

​ 本文介绍利用mobaXterm连接服务器，再下载anaconda，配置Pytorch的过程。下载过程中经常有报错，踩了一些坑。

1. 登录服务器，下载anaconda

先打开mobaXterm，打开session连接服务器。如果是第一次登录的话，可以点击左上角的session - SSH， 输入端口号，用户名，在命令行中输入密码。

（1）下载anaconda

先在清华镜像源里下载对应的anaconda3，由于是Linux服务器，所以这里下载的是Anaconda3-4.0.0-Linux-x86_64.sh版本

利用服务器执行下载

#  wget https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/Anaconda3-4.0.0-Linux-x86_64.sh

（2）下载完成后运行安装指令

bash Anaconda3-4.0.0-Linux-x86_64.sh

一路yes即可，最后询问你是否要安装vscode，可以选择no。

（3）安装完成后别忘了配置环境变量

在左侧的文件夹中找到.bashrc，双击打开

在最后添加一行添加路径的代码，其中xxxxx(user name) 修改为自己的用户名。环境变量就配置好了。

export PATH="/home/xxxxxx(user name)/anaconda3/bin:$PATH"

（4）测试是否安装成功

输入指令

conda  info --envs

如果出现 /home/username/anaconda3即表示安装成功。

2. 创建Pytorch虚拟环境，安装下载pytorch

（1）首先更改下载源

下载Pytroch时通常会使用清华镜像，而在mobaXterm左侧的文件管理中找到.condarc文件，双击打开，将内容替换为如下所示。

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/r
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/msys2
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

remote_read_timeout_secs: 1000.0

保存的时候会弹出窗口提示，选择yes即可。

在命令行中输入如下指令，更新下载源。要求输入y/n的时候输入y即可。

conda update -n base conda

（2）创建虚拟环境

进入anaconda3文件夹

cd ./anaconda3

创建名为pytorchenv的虚拟环境

conda create -n pytorchenv python=3.7

激活并进入虚拟环境

conda activate pytorchenv

（3）安装对应版本的Pytorch

在Pytorch官网中找到对应的pytorch版本，复制相应的命令行。
需要确认的参数有：
1.一般选择Stable
2.服务器为linux系统
3.使用conda包
4.选择python语言
5.选择相应的CUDA版本，查看CUDA版本可以在命令行中输入nvidia-smi，右上角就是了

选定pytorch版本后，复制下面的命令行语句

在命令行中粘贴

conda install pytorch torchvision torchaudio cudatoolkit=11.3 -c pytorch

这个过程有时会报错，是网络连接不上，或者是其他一些未知错误，在安装的时候比较玄学。

安装失败的话需要多试几次，我在一个周六的上午突然就安装成功了，或许需要一定运气的成分。。

----更新-----
使用pip语句安装通常会顺利一点，省去了conda安装时的安装环境检测

（4）测试是否安装成功

python
import torch
torch.cuda.is_available()

如果返回的是True就说明安装成功了。

【补充更新】

3. 在本地的pycharm上远程连接服务器，使用Pytorch

现在我们已经可以在服务器端使用pytorch了，但是只能使用命令行来运行，还不是很方便。我们希望在本地电脑来编辑代码，使用pycharm来远程连接服务器，在服务器上进行调试。

（1）下载pycharm专业版（需要破解）
因为只用专业版才能连接服务器调试，可以自行网上下载并破解。

（2） 添加ssh连接
打开pycharm，在上方菜单栏里找到tools - deployment - configuration

打开后选择右上角的+号，选择SFTP,填写IP、端口号和密码，如下图所示：

填写之后确认，点击test connection按钮，如果能seccessful connecte的话就说明配置好了。然后设置服务器中代码保存的位置(Root path)，我这里是/home/lyj，可修改为自己所对应的位置。

（3）新建项目
打开软件，点击左上角的file-new project新建项目。
选择python解释器
1：Location 这个位置是项目在本地所处的文件夹
2：Existing interpreter 选择已经存在的服务器端的python解释器。
3：remoter project location:这里是文件夹在服务器的存储位置

（4）设置Run/Debug Cofigurations
选择项目，新建一个python文件。

如果运行按钮的绿色三角形没有亮起来的话，说明还没有设置run/debug configurations。

单击Edit Configurations

可以看见python interpreter中已经选择了pytorchenv虚拟环境中的python解释器，然后我们把script path修改为刚才新建的py文件所在的位置（注意一定要选到可执行的.py文件）

（5）设置本地项目与服务器项目的映射，并同步更新
最后就是将本地代码与服务器代码同步起来，这样在本地修改的时候，服务器中存的代码也会同步修改。

设置本地文件夹与服务器中的文件夹自动同步。如图所示勾选automatic upload。这样在本地新建的文件都会自动上传到服务器中了。

这样运行本地修改的代码的时候，可以发现在下方的File Transfer里代码也同步更新到服务器所对应的代码中了。

过程比较繁琐，也可能出现意想不到的情况，但只要有耐心，过段时间再试试，可能就能解决好了~