-1.设置清华源

0. 登录信息

• 可见GPU：os.environ["CUDA_VISIBLE_DEVICES"] = "2"
• user: ×××
• passwd: ×××
• ip: sftp://x.x.x.x
• port: ×××
• 数据集等大文件放到/hdd/home/xxx或者/hdd/xxx

1. 下载Anaconda3到Linux

• https://www.anaconda.com/download/#linux

2. 下载远程连接软件FileZilla

• 打开FileZilla，连接ssh（连接成功后的操作都是在服务器中进行）
  • 输入服务器地址，用户名，密码，端口号
  • 将下载的anaconda3.sh移动到服务器中自己对应的文件夹中
• 打开终端，输入登录口令
  • ssh -p portnumber username@servername
  • bash Anaconda3-×××-Linux-x86_64.sh 安装过程中会需要不断回车来阅读并同意license。安装路径默认为用户目录(可以自己指定)，最后需要确认将路径加入用户的.bashrc中。
  • 最后，立即使路径生效，需要在用户目录下执行 ： source .bashrc

3.常用命令（conda install 找不到的库，就用 pip install 安装）

• 首先设置下载源，国内镜像
  • conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
  • conda config --set show_channel_urls yes
• 为了方便查找和记忆，常用命令分为 2 个部分：
  • 管理环境的命令
  • 管理包的命令

3.1 环境（env）管理

• env：环境
• env_name：环境名
• exist_env_name：已存在的�环境名

• 创建：conda create --name env_name python=python版本号（默认为当前 python 版本）
• 列出所有 env：conda info -e
• 删除：conda remove -n env_name --all
• 激活、退出：activate env_name、deactivate env_name
• 导出、导入环境：conda env export > env_info_file.yml、conda env create -f env_info_file.yml（导出、导入命令都是给予当前环境）
• 复制环境：conda create --name env_name --clone exist_env_name
  第二种方法：生成yml文件
  首先导出配置文件：conda env export -- name
  根据配置文件导入环境：conda env create -f name.yml

3.2 环境

• /use/python下面自带了一个Python的环境，一般很老
• 安装anaconda3的时候会有一个新的环境，一般是自带python3.7的(好像还不支持直接安装tensorflow,需要把Python的版本调低py<<3.7 执行 conda install python=3.6/3.5 就可以调整了)
• 如果要在envs下面设置自己的环境，conda create --name python36 python=3.6 ，然后激活 conda activate python36 ，然后执行一些安装TF conda install tensorflow-gpu==1.11 、PyTorch见官网 https://pytorch.org/

3.3 包（package）管理

• Conda 创建后的环境种自带 pip，所以安装包也可以直接通过 pip 进行安装。
  package_name：包名
• 安装包：conda install package_name，通过 -n 参数安装到指定环境 conda install -n env_name package_name
• 查看已安装的包：conda list，同样支持 -n 参数
• 查找已安装包的信息：conda search package_name
• 更新包：conda update -n env_name package_name
• 删除包：conda remove -n env_name package_name