服务器配置Pytorch环境

一、Anaconda配置

1、下载Anaconda安装包

在本地电脑访问Anaconda官网，选择Linux版（如Anaconda3-2024.02-Linux-x86_64.sh）下载。
通过Xftp将安装包上传至服务器任意目录（如/home/your_username/Downloads）。

2、安装Anaconda

# 进入安装包目录
cd /home/your_username/Downloads
# 执行安装脚本（需赋予执行权限）
bash Anaconda3-2024.02-Linux-x86_64.sh

按照提示按回车阅读协议，输入yes同意条款。
设置安装路径（默认/home/your_username/anaconda3）。

安装完成后选择yes初始化环境变量，或手动添加至.bashrc：

1 2	echo 'export PATH="/home/your_username/anaconda3/bin:$PATH"' >> ~/.bashrc source ~/.bashrc

验证安装：conda --version

3、创建虚拟环境

虚拟环境就类似于为不同的项目创建不同的开发环境，开发环境内的所有使用的工具包互不影响，每个环境的的包的更改和删除都不会影响其他项目，环境相互独立，这就是虚拟环境的好处。

# 创建Python 3.12的虚拟环境（可根据需求调整版本）
conda create -n pytorch_env python=3.12
# 激活环境
conda activate pytorch_env

虚拟环境常用命令

# 查看虚拟环境：
conda info -e

# 创建虚拟环境：
conda create -n [环境名] python==[版本号]

# 激活虚拟环境：
conda activate [环境名]

# 退出虚拟环境：
conda deactivate

# 删除虚拟环境：
conda remove -n [环境名] --all

# 查看数据源：
conda config --show channels

# 添加数据源：
conda config --add channels [网址]

# 删除数据源：
conda config --remove channels [网址]

# 更新conda：
conda update conda

# 更新anaconda：
conda update anaconda

# 更新anaconda-navigator：
conda update anaconda-navigator

二、安装Pytorch

1、查看cuda版本

终端输入命令：

1	nvidia-smi

如图：CUDA Version：12.8

根据cuda版本来选择对应的torch版本

2、下载pytorch离线.whl包

通过离线.whl包的方式下载无需单独下载 CUDA Toolkit 和 cuDNN

下载的 .whl 文件（如 torch-2.6.0+cu126...）是 PyTorch 的预编译版本，其中 已经包含特定版本的 CUDA 和 cuDNN 运行时库。这意味着：无需单独安装 CUDA Toolkit 或 cuDNN：PyTorch 自带的 CUDA 和 cuDNN 库已集成在包中，可直接用于 GPU 计算。

pytorch 离线.whl包官方下载地址：
https://download.pytorch.org/whl/torch_stable.html
以python 3.12 为例，找到相应版本的torch、torchaudio、torchvision:

1
2
3

torch-2.6.0+cu126-cp312-cp312-manylinux_2_28_x86_64.whl 
torchaudio-2.6.0+cu126-cp312-cp312-linux_x86_64.whl 
torchvision-0.21.0+cu126-cp312-cp312-linux_x86_64.whl

下载完成后，上传至Linux服务器上。

激活对应虚拟环境，找到上述文件的地址，运行以下命令：

1
2
3

pip install torch-2.6.0+cu126-cp312-cp312-manylinux_2_28_x86_64.whl 
pip install torchaudio-2.6.0+cu126-cp312-cp312-linux_x86_64.whl 
pip install torchvision-0.21.0+cu126-cp312-cp312-linux_x86_64.whl

3、验证安装是否成功

# 测试代码
import torch
print(f"PyTorch版本: {torch.__version__}")          # 预期输出 2.6.0+cu126
print(f"cuda版本：{torch.version.cuda}")              # 应显示 12.6
print(f"cudnn版本：{torch.backends.cudnn.version()}")  # 应显示 cuDNN 版本号
print(f"CUDA可用: {torch.cuda.is_available()}")     # 应输出 True（GPU用户）
print(f"当前设备: {torch.cuda.get_device_name(0)}")  # 显示显卡型号

如下输出说明安装成功

# 实际输出
PyTorch版本: 2.6.0+cu126
cuda版本：12.6
cudnn版本：90501
CUDA可用: True
可用设备：NVIDIA GeForce RTX 4090

三、本地pycharm运行服务器虚拟环境

1、获取python解释器路径

# 服务器上执行以下命令获取路径
conda activate pytorch_env
which python  
# 输出类似 /home/your_username/anaconda3/envs/pytorch_env/bin/python

2、本地连接服务器

打开pycharm专业版

新建或打开项目

打开解释器设置

File > Settings > Project: test_pytorch > Python Interpreter > Add Interpreter > On SSH

填入服务器host、端口和用户名，然后下一步：输入密码->next

interpreter粘贴第一步获取的地址：/home/your_username/anaconda3/envs/pytorch_env/bin/python

记得勾选Automatically upload(自动同步代码)

点击Sync folders右边的文件夹图标出现如下界面：

用于选择本地与服务器同步文件夹

Local Path选择本地文件夹，Remote Path选择服务器文件夹

最后点击确定即可

3、测试连接是否成功

import torch

print(f"PyTorch版本: {torch.__version__}")          # 预期输出 2.6.0+cu126
print(f"cuda版本：{torch.version.cuda}")              # 应显示 12.6
print(f"cudnn版本：{torch.backends.cudnn.version()}")  # 应显示 cuDNN 版本号
print(f"CUDA可用: {torch.cuda.is_available()}")     # 应输出 True（GPU用户）
print("可用设备：")
print(f"{torch.cuda.get_device_name(0)}\n"          # 显示显卡型号（如 RTX 4090）
      f"{torch.cuda.get_device_name(1)}\n"
      f"{torch.cuda.get_device_name(2)}\n"
      f"{torch.cuda.get_device_name(3)}\n")

连接成功，大功告成