配置服务器环境

vscode终端
user为自己的用户名

    cd /home/503-2/
​
    cp  Anaconda3-2022.05-Linux-x86_64.sh /home/user  

1.安装Anaconda

sh Anaconda3-2022.05-Linux-x86_64.sh

前面默认选择即可 一直enter
​
最后选择yes
在anaconda中安装
新建一个自己的python版本环境

conda create -n name python=3.8
name:你的环境名字，自定义  

激活自己新建的环境

conda activate name

在自己的环境中安装torch

conda install pytorch torchvision torchaudio cudatoolkit=11.1 -c pytorch-lts -c nvidia

已测试可用

2.进入自己的文件夹里

cd home
ls
cd user

查看自己的环境

conda info -e

3.配置cuda

输入

    vi .bashrc

添加

export PATH=/usr/local/cuda/bin${
    PATH:+:${
    PATH}}
​
export LD_LIBRARY_PATH=/usr/local/cuda/lib64${
    LD_LIBRARY_PATH:+:${
    LD_LIBRARY_PATH}}

3.关闭自己远程连接并重新连接

输入

 nvcc -V

输出

nvcc: NVIDIA (R) Cuda compiler driver

Copyright (c) 2005-2021 NVIDIA Corporation

Built on Sun_Mar_21_19:15:46_PDT_2021

Cuda compilation tools, release 11.3, V11.3.58

Build cuda_11.3.r11.3/compiler.29745058_0

成功！！！！

自己直接使用anaconda

4.【GPU】nvidia-smi

1.基础命令

nvidia-smi

安装完成后在命令行或终端输入命令nvidia-smi，即可看到下面的信息（点击放大）:

表头释义：Fan：显示风扇转速，数值在0到100%之间，是计算机的期望转速，如果计算机不是通过风扇冷却或者风扇坏了，显示出来就是N/A；
Temp：显卡内部的温度，单位是摄氏度；
Perf：表征性能状态，从P0到P12，P0表示最大性能，P12表示状态最小性能；
Pwr：能耗表示；
Bus-Id：涉及GPU总线的相关信息；
Disp.A：是Display Active的意思，表示GPU的显示是否初始化；
Memory Usage：显存的使用率； 主要看这个
Volatile GPU-Util：浮动的GPU利用率；
Compute M：计算模式；
下边的Processes显示每块GPU上每个进程所使用的显存情况。

2.查看GPU是否空闲

nvidia-smi

3.查看进程的具体信息

ps aux|grep pid

查看pid号进程的具体信息，可以看到是哪个用户运行哪个程序
判断进程是不是死在里面了或者可以询问实验室的同学什么时候能跑完实验
4.杀进程：

kill -9 pid

5.查看conda版本python版本

conda --version
python

参考链接

这些链接都是精华 如果没看懂我的 看看这些链接 总有一款包您满意
在服务器上搭建自己的python环境(针对小白)
在linux服务器上配置虚拟环境–python+TensorFlow
深度学习实验基础02：实验室服务器使用
在实验室服务器上装anaconda环境并简单使用
如何在Linux服务器上安装Anaconda（超详细）