服务器配置与应用心得,服务器基础环境搭建心得体会
环境1概述。连接到server 1.1命令行登录：
Ssh用户名@服务器IP地址-p端口号，然后输入密码。
缺点是上传下载文件比较麻烦。
1.2 FinalShell可配置信息，上传下载文件方便，文件管理可视化。
二。Pytorch环境配置2.1 conda Conda是一个开源的软件包管理系统和环境管理系统，用于安装多个版本的软件包及其依赖关系，并在它们之间轻松切换。
一般先在服务器上安装conda，直接创建个人虚拟环境。
一个create-n个人环境命名为python=3.7，从而用py hon 3.7版创建了一个虚拟环境。
激活这个环境：conda激活your_env_name，可以看到环境从base切换到your_env_name。
退出环境：conda停用
Conda常用命令：
检查现有环境conda env列表检查已安装的软件包conda列表更改图像源conda配置-添加通道源地址conda配置-设置show _ channel _ urls是删除环境conda remove-ny our _ env _ name-all 2.2 py torch安装1，
在线安装
先查一下GPU的CUDA版本号：nvidia-smi(中间没有空格！)
选择相应的CUDA版本、操作系统等。在pytorch官网，并且会在底部给出命令。
只需在您的个人环境中直接运行这个命令。如果遇到网络问题，可以考虑换片源。
以下是其他版本：https://pytorch.org/get-started/previous-versions/.
2、离线安装
网站：https://download.pytorch.org/whl/cu101
下面是对应的CUDA 10.1版本。找到相应的torch和torchvison文件下载。
torch-1 . 5 . 1 Cu 101-cp37-cp37m-Linux _ x86 _ 64 . whl
torch vision-0 . 6 . 1 Cu 101-cp37-cp37m-Linux _ x86 _ 64 . whl
比如就这两个，cp37代表python版。
然后连接服务器，上传这两个文件。激活您的个人环境，并在whl文件所在的路径中使用命令：pip install file name进行安装。
注意：torch和torchvison的版本也有对应关系。
3、测试
首先进入你的环境，进入python启动python解释器，然后依次进入。
Import torch.cuda.is _ available()显示为True，您就完成了，表明您可以利用GPU了。
