前言

  做深度学习难免会用到实验室服务器上的GPU来跑数据，这时需要安装anaconda，创建虚拟环境并安装相应的深度学习框架（本文用到的是pytorch）。anaconda安装踩的坑比较少，每次都比较顺利，但是下载pytorch时有一些注意的事项。

一、安装Anaconda并创建虚拟环境

  在Anaconda官网下载linux版本：

  下载完成后，我们将下载好的.sh文件Anaconda3-2021.11-Linux-x86_64.sh上传到服务器，运行bash命令来安装anaconda：

bash Anaconda3-5.2.0-Linux-x86_64.sh

  安装anaconda并不困难，如果anaconda下载比较缓慢可以去清华镜像源下载，需要注意服务器上操作系统的位数。

  安装好anaconda后就可以创建虚拟环境，创建虚拟环境的步骤应该都比较熟悉。

#创建虚拟环境
conda create -n environment_name python=X.X
#激活虚拟环境
conda activate environment_name 

  一般安装3.8版本的python。

conda create -n deeplearning python=3.8

二、安装pytorch

  激活刚刚创建的虚拟环境，安装pytorch。安装pytorch前需要查看服务器上的cuda版本，可以使用如下命令：

cat /usr/local/cuda/version.txt

  查看cuda版本后，可以去pytorch官网 查看合适的pytorch版本：

  根据个人需求，操作系统和cuda版本选取合适的pytorch版本，将官网给出的conda命令在服务器上运行即可，如果首页没有合适的cuda版本，可以在==Previous versions of PyTorch== 中查找。
   我需要安装的是cuda版本为11.0 的pytorch，首页并没有给出11.0版本的安装命令，可以在pytorch先前的版本中查找，发现1.7.1版本的pytorch支持cuda11.0，复制相应的conda语句到服务器上运行即可安装pytorch：

# CUDA 11.0
conda install pytorch==1.7.1 torchvision==0.8.2 torchaudio==0.7.2 cudatoolkit=11.0 -c pytorch

  cuda版本是向下兼容的，应该是可以安装10.x版本对应的pytorch。

三、更换anaconda镜像源加速pytorch安装

  如果使用anaconda默认的镜像源可能存在安装缓慢的问题，这时需要更换anaconda镜像源为清华镜像源。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/pkgs/main/
conda config --set show_channel_urls yes

  利用vim命令看修改后的anaconda镜像源文件.condarc：

vim ~/.condarc

channels:
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
  - defaults
show_channel_urls: true

  删除其中的defaults项即可。这时再运行pytorch的conda安装命令，可以感觉速度有明显地提升。

channels:
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
show_channel_urls: true

conda install pytorch==1.7.1 torchvision==0.8.2 torchaudio==0.7.2 cudatoolkit=11.0 -c pytorch

  安装完成后，利用torch.cuda.is_available()查看cuda是否能使用。