服务器搭建机器学习环境

准备：
1、安装anaconda
miniconda3-教程
anaconda3-教程

wget https://repo.anaconda.com/archive/Anaconda3-2020.11-Linux-x86_64.sh
bash Anaconda3-2020.11-Linux-x86_64.sh --python3

2、创建虚拟环境+激活虚拟环境

  1. 创建虚拟环境
conda create -n environment_name python=X.X

不表明 python 版本，会自动创建最新版本
在这里插入图片描述
2. 激活环境

conda activate web_crawler_env

# or
source activate web_crawler_env

在这里插入图片描述
3、在虚拟环境中下载需要的包（主要有torch、cuda）
在这里插入图片描述

conda install pytorch torchvision torchaudio cudatoolkit=11.3 -c pytorch

4、使用pycharm连接服务器的python环境

  1. 在Tools中配置映射
    在这里插入图片描述
    在这里插入图片描述
  2. 配置python解释器
    在这里插入图片描述
    在这里插入图片描述
    5、配置pycharm的代码自动同步服务器
    pycharm同步代码

问题
问题1：运行cuda时报错
在这里插入图片描述
原因：没有下载cuda（或，下载cuda出错没注意到）
解决方法：重新下载

  1. 查看可下载cuda版本 : nvidia-smi
    在这里插入图片描述
  2. 下载可用版本的cuda生成下载代码
    在这里插入图片描述
    问题2：测试cuda还是为False
import torch
torch.cuda.is_available()

报错：
UserWarning: CUDA initialization: Unexpected error from cudaGetDeviceCount(). Did you run some cuda functions before calling NumCudaDevices() that might have already set an error? Error 804: forward compatibility was attempted on non supported HW (Triggered internally at /opt/conda/conda-bld/pytorch_1646755861072/work/c10/cuda/CUDAFunctions.cpp:112.
错误原因：NVIDIA 内核驱动版本与系统驱动不一致。
解决方法：重启服务器nvidia会自动更新。（或者重装驱动）
测试成功：
在这里插入图片描述