linux上迁移python虚拟环境
BERT验证
由于某些需要，目前需要把BERT在GLUE数据集上实现一下验证，在github上down了一份BERT的代码，里面是直接给好了验证代码的（run_classifier.py）只需要按照requirement.txt安装一下tensorflow1.x就可以开始测试了
首先肯定是在本机上运行测试一下代码是否有坑，于是马上上手做，下载model，下载数据集，建立虚拟环境，装包等一系列操作，另外参考这位大佬的CSDN文章编写了一个自己的测试类，如果除去下载过程中遇到的奇怪问题，在本机上还算是比较顺利，很快代码就能运行了，我很开心，电脑主机应该也很开心，我听它的风扇声音一直都没停。我想了想，既然能跑，代码是某门忒的，好！开始上服务器吧！！！
这真就开始了心酸历程
首先最主要的问题是，实验室的服务器它断网了。。。
好吧，既然没法用pip，那我开始寻找python虚拟环境迁移的资料，这真是不找不知道，一找吓一跳，网上关于环境迁移的资料好少哦，还有好多不良网站剽窃别人的原文，看起来好像很多，点开看到图片加载不出的看过的原文。。。哼哼有点恶心人。。。这还不是最误人子弟的，网上的方法很多都有问题，，害本傻蛋踩了好多的坑。。。
首先，我图方便按照网上的教程，在自己的linux服务器上装好了一个虚拟环境，然后直接把venv打包下载再上传服务器，解压后将bin目录下的activate中环境的路径改掉，然后用source bin/activate激活。欸嘿成功进入虚拟环境，BUT，这种方法事后想想肯定是不行的，先不论安装好的包是否能直接迁移，就说bin目录下，就有不止一个文件包含环境的绝对路径。
好的，这种方法失败 当我真正意识到这种方法不行的时候。。。已经废了很久的时间了 哭了
中间还穿插各种小问题，想想真是辛酸泪
下面就讲讲该怎么往不联网的服务器上迁移python环境
python虚拟环境迁移
由于我拿到的linux服务器只有py2.x，又不能联网，所以首先需要在一台linux服务器建一个py3的虚拟环境
conda create env -n bert-env python=3.6
然后把bert-env打包下载之后传到服务器
注意批量修改一下bin目录下的文中中的环境路径
我这边是这样改，把root更换为home/yxr065
sed -i "s/root/home\/yxr065/g" `grep root -rl ./`
之后返回自己的linux服务器，重装一个虚拟环境，最好也测试一下代码能不能运行，（我第一次测试是在windows上做的），然后用下面命令：
pip freeze --all > requirements.txt
把需要的包集成到requirements中，然后把包的whl文件下载下来
mkdir whl
cd whl
pip download -r requirements.txt
做到这一步，算是成功了一小半
然后把reuquirement放到whl文件夹，之后打包，再上传到服务器，激活虚拟环境，开始装包
source bert-venv/bin/activate
进入whl文件夹
pip install -r requirements.txt --no-index -f ./
这个时候可能还是会有问题，大概会报以下的错误：
xxx.whl is not a supported wheel on this platform
这是由于python版本与whl包不匹配，首先你要知道目前的环境适配何种后缀的包，查询命令由于pip版本的不同有所不同：推荐文章：https://blog.csdn.net/sinat_26811377/article/details/99947448
比如说我这边pip21.3用命令pip debug --verbose就可以看到
cp36-cp36m-manylinux_2_17_x86_64
cp36-cp36m-manylinux2014_x86_64
cp36-cp36m-manylinux_2_16_x86_64
cp36-cp36m-manylinux_2_15_x86_64
cp36-cp36m-manylinux_2_14_x86_64
cp36-cp36m-manylinux_2_13_x86_64
cp36-cp36m-manylinux_2_12_x86_64
cp36-cp36m-manylinux2010_x86_64
cp36-cp36m-manylinux_2_11_x86_64
cp36-cp36m-manylinux_2_10_x86_64。。。。。。
然后上华为的镜像网站
修改后面simple的标签，寻找自己想要的包，再ctrl+F筛选适合自己的包下载再上传
循环这个操作，直到不再报错。
最后的小提醒
如果数据量比较大，模型比较复杂，在服务器上跑的时候记得把进程加入后台
nohup sh train.sh > out.file 2>&1 &
sh train.sh是我的进程，记得修改成你自己的哦
最后最后，祝天下所有服务器都可以联网。。pip大法好