实现Linux服务器配置深度学习环境并跑代码完整步骤

已于 2022-03-18 16:07:02 修改
阅读量3w 收藏 426
点赞数 55
CC 4.0 BY-SA版权
文章标签： linux pytorch python 深度学习
于 2022-03-15 22:52:56 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_45484237/article/details/123514175
本文详细指导如何在Linux服务器上配置Anaconda，创建Python 3.7虚拟环境，并安装PyTorch 1.7.1以支持CUDA 10.1。涵盖OpenCV安装及PyCharm远程连接，解决依赖问题，适合深度学习开发者快速上手。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

实现Linux服务器配置深度学习环境并跑代码完整步骤

目录

安装pytorch

cuda版本10.1，python3.7

第一步 安装anaconda创建虚拟环境

参考在服务器上搭建自己的python环境

1、下载安装包

使用清华镜像文件下载

wget https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/Anaconda3-2021.05-Linux-x86_64.sh
2、安装
bash Anaconda3-2021.05-Linux-x86_64.sh
3、更新环境变量
source ~/.bashrc

前面就变成了（base）

4、创建虚拟环境
conda create -n tf37 python=3.7

这样就创建了名为tf37的python3.7的环境

5、使用虚拟环境

激活创建的虚拟环境：

conda activate tf37

就把环境由base变为了tf37。
返回base环境：

conda deactivate

查看当前所有环境：

conda env list

删除环境：

conda env remove -n tf37

第二步 查看cuda版本安装对应的pytorch

1、查看cuda版本
nvcc -V

在这里插入图片描述

nvidia-smi

在这里插入图片描述
这里用两种方式看到有两个不同版本的cuda，但是第一个10.1版本的才是正确的。

2、根据cuda版本去官网找对应的pytorch。

由于最新版本的pytorch不支持10.1版本的cuda，因此去找老版本pytorch以前版本
在这里插入图片描述
找到后，复制安装代码：

conda install pytorch==1.7.1 torchvision==0.8.2 torchaudio==0.7.2 cudatoolkit=10.1 -c pytorch
3、添加镜像源下载

由于官网下载比较慢
添加清华镜像源：

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/

查看添加镜像源:

conda config --set show_channel_urls yes | cat ~/.condarc

显示：
在这里插入图片描述
添加成功！

注意：采用清华镜像源下载要删掉安装语句里的 -c pytorch，否则采用官网源下载。
在这里插入图片描述

4、测试是否安装成功

进入python环境

import torch
torch.cuda.is_available()

输出true即为成功，false不成功（可能是因为pytorch和cuda版本不匹配）
在这里插入图片描述

安装OpenCV

pip install opencv-python

在这里插入图片描述
安装成功！

Pycharm远程连接服务器跑代码

参考Pycharm远程连接服务器并运行代码

1、设置connection

在这里插入图片描述
在这里插入图片描述

2、设置Mappings

在这里插入图片描述

3、实现代码Ctrl+s自动上传

在这里插入图片描述
在这里插入图片描述

4、设置python编译器

在这里插入图片描述
在这里插入图片描述
出现提示后点move
在这里插入图片描述在这里插入图片描述
点finish即可！
这样代码就会在服务器上运行。

提示缺少XXmodule，安装依赖包

直接在interpreter里安装即可。

在这里插入图片描述

2022.3.16

Mecv_清痕
关注
Linux 开启深度学习的魔法之门
大雨的博客
07-07 711
在 Linux 中实现深度学习，是一场充满挑战与惊喜的探索之旅。从前期的系统选择、硬件搭建，到环境配置、框架安装，再到实战应用与问题解决，每一个环节都需要我们精心筹备、认真钻研 。在这个过程中，我们深刻体会到了 Linux 系统为深度学习提供的强大支持和广阔空间，也感受到了深度学习技术的无限魅力和巨大潜力 。
【研0小白暑期准备】实验室的深度学习服务器环境配置
最新发布
weixin_52078423的博客
07-21 2947
本文讲解了已知服务器IP地址的前提下，如何在本地搭建服务器的深度学习环境的方法。本文以linux系统的服务器为例，讲述了如何使用远程连接软件、在服务器上安装anaconda和pytorch等步骤，为后续在远程服务器上运行本地代码打好了基础。
linux服务器（无桌面）安装anaconda
Android_chunhui的专栏
06-27 6551
转载 http://www.linuxdiyf.com/linux/25117.html
【一文搞定Linux服务器深度学习环境搭建】Anaconda+pytorch1.13.1+CUDA11.7+cuDNN8.9
weixin_43607192的博客
05-24 3452
一文迅速搞定Linux服务器深度学习环境配置，图文详细教程
linux命令深度学习（附带内核简析）
11-15
学习linux入门的一份非常详细的的资料，是经过实践总结的。对初学者非常有益。
【新手小白】在Linux服务器或本地IDE，跑深度学习代码指南（不断更新）
qq_52589927的博客
07-15 7188
本文主要介绍：当我们拿到一个代码后，如何将它运行包含有：基本的linux、conda命令、如何远程连接服务器、使用vscode或pycharm的教程......
使用Linux服务器运行深度学习代码 || 两种方法，粗暴高效
Thebest_jack的博客
06-28 5611
使用Linxu服务器运行深度学习代码||两种方法，粗暴高效，前无最全教程，后有最强本文~
怎么在Linux中用tmux跑深度学习模型
zag666的博客
07-24 1672
当我们SSH 登录远程服务器，打开一个远程窗口执行命令，网络中断再次登录的时候，是找不回上一次执行的命令的。因为上一次 SSH 会话已经终止了，里面的进程也随之消失了。最常见的就是使用vscode连接远程服务器跑的深度学习任务，自己的电脑中途断网了再次登录找不到上一次执行的命令。 为了解决这个问题，即将会话与窗口"解绑"：窗口关闭时，会话并不终止，而是继续运行，等到以后需要的时候，再让会话"绑定"其他窗口。这时就需要用到**Tmux**这个会话与窗口的"解绑"工具，将它们彻底分离。
使用Linux服务器跑深度学习指南
xmhsq888888的博客
06-15 3521
在主机：输入服务器IP地址，点击确定，然后根据提示输入登陆用户和密码。 4、Conda基础配置 （1）配置国内镜像源 （2）修改每次打开终端默认进入“base”环境 （3）conda相关命令 3、安装Pytorch 1、建立虚拟环境 （1）激活环境； （2）运行安装指令： 4、第三方python包 4、运行程序 1、验证环境是否成功 3、vi与vim vi编辑器是所有Unix及Linux系统下标准的编辑器，就相当于Windows系统中的记事本一
Linux 内核服务器中搭建训练深度学习算法模型环境
09-17
无论在企业还是科研实验室，都需要借用服务器环境（由于服务器在单位内网，此处应用 内网穿透工具）进行算法模型的训练，此处总结了如何在以 linux 为内核的服务器下搭建训练深度学习算法模型环境及相关的步骤操作。
服务器（工作站）更新显卡后深度学习环境配置
04-01
### 服务器（工作站）更新显卡后深度学习环境配置 #### 概述 在服务器或工作站更新显卡后，往往需要重新配置深度学习环境来确保兼容性和性能最优。本篇文章将详细介绍更新显卡驱动以及重新配置深度学习环境的具体...
几个简单的Linux下服务器代码
08-15
几个简单的Linux下服务器代码，可以进去看看，没有太多注释，很容易就看懂
拿到新服务器怎么从0开始配深度学习环境
菜鸟编程记录
06-07 389
这几天一直在配环境，记录一下。
Linux中利用docker搭建深度学习环境
qq_42548340的博客
06-19 1380
写在前面： 在深度学习中，避免不了在远程服务器上进行模型的训练，如果直接在裸机的基础环境跑显然是不可取的容易，此时搭建用于模型训练的docker环境显得尤为重要。 1.下载基础镜像 选择一个合适的基础镜像会给后续的操作带来极大的便利，其中ufoym/deepo镜像是笔者最常用的一个，输入如下命令下载基础镜像 docker pull ufoym/deepo 下载好后，输入如下命令，列表中若出现ufoym/deepo则下载成功 docker images 2.创建docker容器 根据下载好的镜像来创建容器
Linux上快速搭建自己的深度学习虚拟环境
m0_64037204的博客
10-09 4051
服务器Linux Ubuntu版本上快速搭建自己的深度学习虚拟环境，Python任意版本+Pytorch+各种第三方依赖包，包含未连网时如何离线搭建和连网时在线搭建两种情况。
初涉linux命令查看服务器中运行代码
山有木兮木有枝 心悦君兮君不知
08-24 1275
使用软件：putty.exe 1.cat命令查看 例如：cat /ftp/www/........... 2.vim命令修改 3.查看某一特定文件,如：index.html 例如：find / -name index.html
linux 系统跑程序
fum1125的博客
03-24 265
"c*": 这指定了你要复制的文件。在这个例子中，"-p "标志告诉 "mkdir "命令创建目录（"parent_folder"），然后在它里面创建嵌套目录（"my_folder"）。grep "和 "fgrep "之间的区别是，"grep "使用表达式搜索模式，而 "fgrep "则搜索一个固定的字符串。按 "G "键移动到文件的末尾，然后一起按 "Shift "和 "G "键，回到文件最后一行的末尾。另外，你也可以使用 "End "键或 "Ctrl "和 "E "键一起移动到文件最后一行的末尾。
使用实验室服务器跑代码流程(linux系统)
weixin_58624086的博客
05-14 856
1、初始化路径：export PATH="/home/quyunhui/anaconda3/bin:$PATH"3、进入创建的环境：source activate 环境名称；或者conda activate 环境名称。5、选择空闲的服务器运行代码：CUDA_VISIBLE_DEVICES=2 python 123.py。4、进入代码所在文件夹：cd /home/quyunhui/daima。2、查看空闲服务器：nvidia-smi。
深度学习-使用 Bash 脚本
xw555666的博客
06-11 1415
深度学习任务通常涉及大量的数据处理、模型训练、性能评估和模型部署。使用 Bash 脚本来自动化这些任务可以显著提高效率和可重复性。使用 Bash 脚本可以帮助深度学习工程师和研究者更高效地管理其工作流，减少手动操作，降低出错率，并确保实验的一致性和可追踪性。
CAN长字节DM1报文
07-28
CAN长字节DM1报文是指在CAN总线上传输的长度超过8个字节的DM1报文。根据引用\[1\]，当要传输的数据长度超过8个字节时，首先使用TPCM进行广播，广播内容包含即将传输报文的PGN、总的数据包长度等信息，然后使用TP.DT进行数据传输。相邻两个TP.DT之间的时间间隔是50ms到200ms。根据引用\[2\]，当字节数大于8时，将会使用多帧传输参数组。根据引用\[3\]，DM1报文是Diagnostic Message 1, Active Diagnostic Trouble Codes的缩写，用于点亮故障指示灯、红色停机灯等，并周期性播报控制器中处于激活状态的故障码。DM1报文的格式包括各个字节的定义，如故障指示灯、红色停机灯、琥珀色警告指示灯等。因此，CAN长字节DM1报文是指在CAN总线上传输的长度超过8个字节的DM1报文，用于传输更多的故障码信息。 #### 引用[.reference_title] - *1* [车载通信——J1939 DM1](https://blog.csdn.net/weixin_64064747/article/details/130193432)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^control_2,239^v3^insert_chatgpt"}} ] [.reference_item] - *2* [J1939广播DM1报文](https://blog.csdn.net/mengdeguodu_/article/details/108173263)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^control_2,239^v3^insert_chatgpt"}} ] [.reference_item] - *3* [J1939商用车在线诊断DM1报文](https://blog.csdn.net/traveller93/article/details/120735912)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^control_2,239^v3^insert_chatgpt"}} ] [.reference_item] [ .reference_list ]
评论 2
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值