-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TFconda 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
网友评论