百度AI studio飞浆使用pytorch训练模型

• 百度AI studio 可以免费使用GPU，有基础版本不提供GPU，高级版本和智至尊版本会提供不同的云服务器使用GPU，同时百度AI studio是已经配置了anaconda环境的，可以直接使用conda相关命令。但百度的AI studio每次启动后环境都是需要重新配置的。如果每次重新配置环境的话会比较浪费时间。需要在work目录下创建这些文件才会永久保存，创建的环境也是如此

解决办法(更换国内的镜像源，实现快速配置部署)：

注： 配置环境最好在基础免费款上，跑实验时候再重新启动高级版，数据不会丢的，直接切换会报错文件过大。

---

1.自己在work目录下新建一个目录，然后新建一个sh格式的shell文件(命令为env.sh)。
2.编辑该文件 vim env.sh,并输入以下代码保存退出。

#!/bin/sh
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/main/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/conda-forge/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/msys2/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/bioconda/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/menpo/

conda config --set show_channel_urls yes

3.使用 conda config --show查看以下(这步可以忽略)
4.运行上面的脚本

sh env.sh

5.激活base环境

source ~/work/miniforge3/bin/activate  #miniforge3是安装时候自定义的名字

注: 这里不能直接source activate，会直接激活该系统自带的conda环境，而不是我们需要安装的conda环境。项目停止运行后会被直接删除后续即将安装的torch等库。

---

6.创建需要使用的虚拟环境

conda create -n env_name python=3.9   #如  conda create -n py39 python=3.9  ,python版本可以自定义

7.激活新创建的环境(切换到新创建的环境中)，使用 source activate(这是因为conda版本的原因，conda版本在4.4以下使用 source activate;conda版本在4.4及以上使用 conda activate。查看conda版本使用 conda --version 命令)
8.直接在新创建的虚拟环境中使用conda install package_name,安装需要的库即可，注意查看当前服务器的CUDA版本，可以使用两次 source deactivate命令(或者 conda deactivate,如果conda版本是4.4及以上)退出当前新创建的anaconda环境，使用 nvcc -V 命令即可查看CUDA版本。然后根据CUDA版本下载对应支持的库即可，否则下载了也无法调用CUDA。linux环境下还是用source activate

参考：

• https://v3u.cn/a_id_189
• https://blog.csdn.net/qq_46497842/article/details/120621795?utm_medium=distribute.pc_aggpage_search_result.none-task-blog-2_{aggregatepage}first_rank_ecpm_v1~rank_v31_ecpm-7-120621795.pc_agg_new_rank&utm_term=ai+studio%E5%AE%89%E8%A3%85pytorch&spm=1000.2123.3001.4430
• https://blog.csdn.net/m0_45962052/article/details/105078259