深度学习环境配置

conda中的虚拟环境创建

虚拟环境创建

conda create -n envname python=   

激活环境

conda activate your_env_name

退出环境

conda deactivate

删除conda环境

conda remove -n your_env_name --all

克隆环境

conda create --name new_env_name --clone old_env_name

conda中虚拟环境选择

首先根据显卡确定算力，根据算力选择兼容的CUDA版本

CUDA - Wikipedia

查看显卡状态

nvidia-smi

查看当前cuda版本

nvcc --version

根据CUDA和实际情况选择pytorch版本

https://pytorch.org/get-started/previous-versions/

根据torch版本确定python版本

torch	torchvision	Python
main / nightly	main / nightly	>=3.9, <=3.12
2.5	0.20	>=3.9, <=3.12
2.4	0.19	>=3.8, <=3.12
2.3	0.18	>=3.8, <=3.12
2.2	0.17	>=3.8, <=3.11
2.1	0.16	>=3.8, <=3.11
2.0	0.15	>=3.8, <=3.11

torch	torchvision	Python
1.13	0.14	>=3.7.2, <=3.10
1.12	0.13	>=3.7, <=3.10
1.11	0.12	>=3.7, <=3.10
1.10	0.11	>=3.6, <=3.9
1.9	0.10	>=3.6, <=3.9
1.8	0.9	>=3.6, <=3.9
1.7	0.8	>=3.6, <=3.9
1.6	0.7	>=3.6, <=3.8
1.5	0.6	>=3.5, <=3.8
1.4	0.5	==2.7, >=3.5, <=3.8
1.3	0.4.2 / 0.4.3	==2.7, >=3.5, <=3.7
1.2	0.4.1	==2.7, >=3.5, <=3.7
1.1	0.3	==2.7, >=3.5, <=3.7
<=1.0	0.2	==2.7, >=3.5, <=3.7

再根据确定的环境版本创建虚拟环境

CUDA版本切换

1系统变量中的lib和include上移

2再双击 CUDA_PATH，修改

服务器ssh配置

AutoDL帮助文档

需要cd到当前项目路径之下

screen用法

SSH远程控制（2）——屏幕远程终端会话管理共享screen_ssh2 screen-CSDN博客

服务器切换CUDA版本

查看当前已有CUDA版本

ls -l /usr/local/ | grep cuda

修改配置文件

nano ~/.bashrc

添加配置

# ===================================================
#   MY CUSTOM CUDA ENVIRONMENT
# ===================================================
# 1. 注释掉或删除任何可能存在的旧 CUDA 路径设置，避免冲突
# export PATH=/usr/local/cuda-11.8/bin:$PATH
# export LD_LIBRARY_PATH=/usr/local/cuda-11.8/lib64:$LD_LIBRARY_PATH

# 2. 添加您想使用的 CUDA 版本的路径 (例如 12.1)
export PATH=/usr/local/cuda-12.1/bin:$PATH
export LD_LIBRARY_PATH=/usr/local/cuda-12.1/lib64:$LD_LIBRARY_PATH

保存并退出 nano：

• 按 Ctrl + X

• 编辑器会问您是否要保存，按 Y

• 最后按 Enter 确认文件名。

运行文件生效

source ~/.bashrc

切换cuda版本

查看可用版本

ls -l /usr/local/ | grep cuda

export PATH=/usr/local/cuda-11.8/bin:$PATH
export LD_LIBRARY_PATH=/usr/local/cuda-11.8/lib64:$LD_LIBRARY_PATH