0基础学AI-在断网状态下的Linux纯CPU服务器丹炉建造(Anaconda+torch+torchvision)并使用SSH连接到Pycharm(保姆级教程)
本篇主要记录了题主第一天进公司实习时，国企领导向我提出的”拥抱AI“思想，to B端的政企业务也要AI赋能做NLP的基础任务，题主长期泡在学校Lab做CV和Metric Learning相关工作，不过现在的Deep Learning都是丹炉建造过程，因此大差不差，说的有点多，下面讲正事
基础设施：x86架构CPU Linux服务器(无显卡，各位NVIDIA尊贵用户可以不用看这个)
Xshell下载链接：ttps://www.xshell.com/zh/free-for-home-school/
https://links.jianshu.com/go?to=https%3A%2F%2Fwww.xshell.com%2Fzh%2Ffree-for-home-school%2F
我知道你很急，但是你真的不要急，心急吃不了热豆腐，一步步来不会出错
PART1：Anaconda3的安装
Step1：使用Xshell远程连接服务器
首先在你同事口中得知公司服务器的IP地址，端口号，账户名，密码，为了后面方便最好是root用户。
点击链接后一般要你填写连接的用户名和密码，这个要问你同事啊，我怎么知道，如下图所示就是成功连接。
Step2：创建一个目录
远程连接到linux服务器后，第一个事情先开天辟地，给你以后传文件新建个文件夹，一般公司服务器都是别人配置好的，我是懒狗，我直接在/home目录创建自己的文件夹myUsing，如下图所示。
Step3：了解服务器架构
在开始下载前搞清楚你的服务器是什么鬼样子的先，免得白下载了，首先用下uname -m了解下服务器的架构。
Step4：在有网络的机子下载Anaconda
开始下载@安装Anaconda不建议用最新啊，毕竟最新就是适配最差，bug最多的版本，因此不要冒险啊，一般来说半年前的版本是香的。
Anaconda下载链接：Index of /anaconda/archive/ | 清华大学开源软件镜像站 | Tsinghua Open Source MirrorIndex of /anaconda/archive/ | 清华大学开源软件镜像站，致力于为国内和校内用户提供高质量的开源软件镜像、Linux 镜像源服务，帮助用户更方便地获取开源软件。本镜像站由清华大学 TUNA 协会负责运行维护。
https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/
你可能会问，你标题写着离线服务器，你这里怎么下载，请问你现在手头的设备有网么？很明显你在看我的文章，你是有网的啊，所以你先把东西用你有网这个设备进行下载，下面是版本的说明。
红色的矩形是建议版本吧，不老不新也还好，凑合用一用，下载的版本要符合你的服务器架构！
Step5：Xshell传输进入服务器
下载后之后，请打开你下载后保存的本地路径，找到对应的文件后，点开你的Xshell，确保你已经进入到/home/myUsing的文件目录下，不知道的话，你就直接输入cd /home/myUsing
下图是在有网络的机器上下载好的文件，接下来我们通过Xshell进行传输(不要理会这里的anaconda版本，因为那天写教程的时候，我自己点错了，后面改回来了)
接下来的命令都在Xshell里面进行噢！
使用命令ls，观察/home/myUsing文件下有没有这个.sh文件
Step6：开始安装
将.sh文件传入后，我们首先来安装Anaconda3，在/home/myUsing目录下使用命令bash Anaconda3-2022.10-Linux-x86_64.sh
此时你只需要无脑ENTER ，因为第一个ENTER之后就会进入类似说明的东西，ENTER跳过就好，紧接着它就会问你接不接受这个license terms那当然就是yes打下去
接下来开始询问你安装位置了，一般来说我喜欢给它放在/home/UsingApp/anaconda3/
继续无脑yes
Step7：配置环境变量
你在Windows下也要的，所以开始配置环境变量，使用默认地址就不用，使用自定义的目录就需要啦，首先输入命令sudo vi /etc/profile
摁下Esc键进入只读模式后再移动光标，用键盘移动光标啊，移动到文档的最后，不要用鼠标噢，不然你会发现些神奇的事情。
插入语句 export PATH=/home/UsingApp/anaconda3/bin:$PATH
然后摁一下Esc键，然后摁一下符号键"："然后再输入wq ，再Enter，就保存且退出了
然后跟windows里面的应用环境变量一样，linux依靠 source /etc/profile指令来刷新环境变量配置
紧接着输入conda -V查看是否生效，并查看conda的版本
到这里Anaconda3的安装完成
PART2：创建Anaconda3下的虚拟环境
首先查看目前有的虚拟环境，使用conda env list指令，一般来说base都有的，但一般不用它
同时顺便查看一下conda自带的python的版本，使用python -V指令，请记住这个python版本，你后面下载torch和torchvision的时候需要到它
紧接着我们需要创建一个属于自己的虚拟环境，一般来说我们不直接用base，我们选择复制base环境创建一个新的环境，自己创建一个新的环境的话你会发现新的环境里的包和base的差距很大，因此我们选择直接clone base，使用命令语句 conda create -n MyEnv --clone base，即就是创建一个复制于base的虚拟环境MyEnv。
检查以下环境下的包，首先激活虚拟环境，使用命令source activate MyEnv，进入MyEnv虚拟环境后使用conda list指令检查虚拟环境（这些包的数量至少超过一页，那你的安装就没有出错）
事实上安装到这里基本没问题了，可是我们发觉，每一次一进入服务器，我们都会进入到base虚拟环境中，有不少同学觉得很烦人。
因此我们可以使用指令：conda config --set auto_activate_base false
下一次一进入服务器就不会自动进入base虚拟环境啦。
PART3：torch和torchvision的下载和安装，测试调用
torch+torchvision下载连接：
pytorch/linux-64 (anaconda.org)
https://conda.anaconda.org/pytorch/linux-64/
在PART2中我们知道下载的Anaconda3自带的Python版本为3.9.13，因此我们下载的torch和torchvision分别为pytorch-1.12.0-py3.9_cpu_0.tar.bz2和torchvision-0.13.0-py39_cpu.tar.bz2，点击下载后我们只需要泡杯茶等待下载即可
首先我们使用命令cd /home/myUsing进入文件目录/home/myUsing，在/home/myUsing目录下创建两个文件夹package和software，使用命令mkdir /home/myUsing/package和mkdir /home/myUsing/software，然后我们使用指令cd package进入/home/myUsing/package文件夹里。
紧接着我们将pytorch和torchvision使用Xshell传入服务器，没错就是你想的那样，拖过去...
紧接着我们使用如下指令，首先进入我们先前在Anaconda3里面创建的虚拟环境MyEnv，使用指令：conda activate MyEnv
紧接着在Anaconda3下的虚拟环境下进行离线安装，使用指令如下：
conda install pytorch-1.12.0-py3.9_cpu_0.tar.bz2
conda install torchvision-0.13.0-py39_cpu.tar.bz2
安装完毕后，我们使用命令conda list观察MyEnv虚拟环境下查看已安装的package，查看是否有pytorch和torchvision紧接着我们使用指令python进入编程环境
紧接着验证torch是否可以使用，我们使用语句，import torch，torch.Tensor([[1,2,3],[4,5,6]])
呐，成功创建tensor，事到如今，我们已经功德圆满啦！
PART4：SSH直连Pycharm
首先点击文件，然后点击设置
点击上图的齿轮状图标，点击添加
点击使用SSH解释器，并点击现有服务器配置，点击省略号处
输入主机地址，输入用户名，输入端口，输入密码，点击测试连接，点击应用，点击确定
点击工具，点击部署 ，点击配置
填入信息后，点击确定
返回到主页面后，点击工具，点击部署，点击与服务器设置同步实现文件同步
从Part1-Part4您已经完成了Xshell连接服务器，Anaconda3环境配置，torch和torchvision下载配置，PyCharm使用SSH直连服务器，基础的AI丹炉已经搭建完毕
从今天开始讲会按照如下主线更新：
1：0基础学挨踢：这一条主要是使用各种工具进行小项目的实现和部署
2：0基础搞AI：这条主线是丹炉搭建和Deep Learning的算法使用和创造
3：0基础魔改： 这条主线是题主业余生活，使用 Linux kernel + DB kernel + Rust + C + Python + ...自己和小伙伴建造一个 #分布式+#高并发+#智能调度算法+#智能缓存池的通用数据库