在Ubuntu服务器上搭建深度学习环境（Ubuntu 18.04+Anaconda3+pytorch+PyCharm）

基于Ubuntu 18.04的深度学习环境搭建（Ubuntu18.04+Anaconda3+pytorch+PyCharm）

本地下载了mobaXterm作为终端连接工具，连接实验室的gpu服务器，这里基于服务器的18.04系统安装了anaconda3，创建了虚拟环境，安装pytorch，以及安装IDE PyCharm。
终端登录了自己的帐号之后就进入了home/username/这个文件夹下面。

1.下载安装Anaconda3

首先在服务器上home/username/文件夹下创建一个新的文件夹Downloads,下载Anaconda放到Downloads文件夹下面，这里推荐从清华镜像源下载，速度更快,这里下载的是下面这个，

cd Downloads
在Downloads文件夹下使用如下命令下载:
wget https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/Anaconda3-2021.11-Linux-x86_64.sh
wget命令是Linux系统用于从Web下载文件的命令行工具，支持 HTTP、HTTPS及FTP协议下载文件。

下载完成之后使用如下命令进行安装，
bash Anaconda3-2021.11-Linux-x86_64.sh

下面提示同意许可协议，输入yes,
以及是否要安装在默认路径下还是自定义安装路径，这里选择自定义安装路径，

下面询问Do you wish the installer to initialize Anaconda3 by running conda init? [yes|no]，这里是把conda添加到PATH中，让你能使用conda命令，所以这个直接yes。
这里选择了yes后续就不需要手动修改.bashrc 文件配置环境变量了。
旧版本的会问Do you wish the installer to initialize Anaconda3 in your /username/.bashrc ? [yes|no]，也是选择yes即可。

出现上面的信息说明安装完成。
检查一下是否安装成功：
最好关闭session重新连接一下，再打开之后就可以看见前面多了一个（base），
输入python，如下可以看到anaconda里面的python版本是3.9.7，anaconda安装成功！

附上之前版本配置环境变量的操作，参考：（我们这里上面已经自动配置了环境变量）

2.利用conda创建虚拟环境

配置清华镜像源，加快下载速度，

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/
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/peterjc123/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
conda config --set show_channel_urls yes

创建虚拟环境，虚拟环境的python版本选择3.7，base环境的python版本是3.9，
conda create -n pytorch-gpu python=3.7

创建成功之后，查看环境列表，可以看到base环境和刚刚创建的虚拟环境pytorch-gpu，
conda env list

激活虚拟环境pytorch-gpu，可以看到其python版本为3.7，

3.在上面创建的虚拟环境中搭建pytorch-gpu框架

首先去pytorch官网查看Linux系统,CUDA10.2对应的pytorch,torchversion使用conda安装的安装命令，这里是
conda install pytorch torchvision torchaudio cudatoolkit=10.2 -c pytorch



验证pytorch是否安装成功，以及是否可以使用GPU进行计算
如果输出的结果为false，则表示pytorch无法使用GPU资源进行运算，需要自寻方法解决。
如果输出的结果为true，则表示pytorch build for GPU搭建成功。

pytorch安装成功！

4.安装PyCharm

Pycharm是一款来自JetBrains公司的强大的Python IDE，它可以为每个创建的project调用指定的conda虚拟环境（如上文创建的名为pytorch-gpu的虚拟环境）python解释器。
下载PyCharm, PyCharm官网链接

首先关闭虚拟环境，返回base，
conda deactivate

在本地下载好pycharm-community-2020.1.4.tar.gz，拖拽上传至服务器的Downloads文件夹下，使用如下命令解压安装包，
tar xzvf pycharm-community-2021.3.3.tar.gz

解压完成后，继续输入以下指令， 即可打开pycharm。
cd pycharm-community-2021.3.3/bin/
sh pycharm.sh


经过一些初始化设定后，进入settings -> project ____ -> Python Interpreter，
点击右边的小齿轮⚙，add Python Interpreter -> conda environment -> existing environment，选择创建好的conda 虚拟环境。



关闭pycharm之后就酱紫了

关闭session

必要步骤基本已经完成啦！

总结

参考网上大佬的教程,链接：https://zhuanlan.zhihu.com/p/223001118

这里服务器上师兄已经配置好了cuda（装的是cuda10.2）和cuDNN，所以省略了这步，需要做的就是安装anaconda，创建虚拟环境，在虚拟环境中搭建pytorch for gpu框架，最后安装PyCharm。
记录一下下，以后用的时候可以省点时间呜呜呜

主要参考：
https://zhuanlan.zhihu.com/p/223001118
https://blog.csdn.net/qq_43082542/article/details/121166968
https://blog.csdn.net/wuprogrammer/article/details/108928990
https://blog.csdn.net/weixin_45591044/article/details/104312338
https://blog.csdn.net/qq_15192373/article/details/81091098