服务器环境配置

写在前面！！！

由于一般服务器都是基于Linux系统的，因此本文章都是基于Linux系统进行环境配置的。在此之前，默认你已经拥有了Linux账号。如果没有Linux账户，可以参考文章末尾的添加Linux新账户。

一、安装Pycharm专业版（可选）

如果只是使用服务器的显卡跑程序，其实可以不需要安装pycharm，安装pycharm的原因是方便调试代码和可视化操作。

操作步骤

1、前往Pycharm官网下载pycharm的Linux版本软件安装包（文件后缀名为.sh），建议选择2022版或更往前的版本。

2、进入安装包所在目录，右键从当前安装包所在目录进入终端，在终端解压下载的软件安装包。（注意：在目录中直接右键解压安装包是不行的）

tar -zxvf ·······················.tar.gz # ·······为安装包的文件名

3、解压成功后进入bin目录，在bin目录下打开终端。

4、输入指令安装pycharm

./pycharm.sh

5、按照步骤安装即可

6、激活pycharm：打开pycharm，同第五步的指令。打开Linux激活包，找到对应的版本，找到pycharm，根据里面的步骤进行激活。最后，在pycharm中选择激活码激活，将激活码复制到pycharm中，点击激活即可完成。

7、添加快捷方式：打开pycharm，先随便创建一个项目，依次点击【Tool】—>【Create Desktop Entry】

二、安装Miniconda

为什么安装Miniconda，而不是安装Anaconda？

Miniconda不需要自己添加环境变量，而Anaconda需要手动添加环境变量，容易出错。但是安装Anaconda还是Miniconda需要根据自己的需求。

Anaconda和Miniconda的区别

Anaconda预安装了大量科学计算和数据分析所需的库，使得用户可以立即开始工作。而Miniconda只包含了Python和conda，它的轻量级特性使得它在需要快速部署Python环境，或者在磁盘空间有限、网络环境较差、或者需要定制特定环境的情况下具有优势。

其次，Anaconda提供了Anaconda Navigator这样的图形用户界面，它使得库的安装、环境的创建和管理变得更为简单直观。这对于新手用户来说是非常有帮助的，尤其是对于那些不习惯使用命令行的用户。而Miniconda没有这样的用户界面，所有的操作都需要通过命令行来完成。

最后，由于Anaconda包含了大量的预装库，因此它的安装文件非常大，而Miniconda则相对较小。这可能会影响到安装的速度和存储空间的占用。

选择Anaconda还是Miniconda主要取决于你的具体需求。如果你是Python新手，或者你需要的所有库都在Anaconda的预装库中，那么Anaconda可能是更好的选择。它可以让你迅速开始你的项目，而无需担心库的安装和管理。

安装步骤

1、浏览器输入Miniconda下载对应的Linux版本的Miniconda安装包（为.sh文件）。

2、把下载好的Miniconda安装包移到想存放的文件夹，在该目录下点击右键进入终端。

3、执行命令行

bash ····.sh # ····为Miniconda文件名

4、按住Enter键一直到最后，输入yes确认，后面一直点回车键就可以。

至此就完成了Miniconda的安装，如果安装Anaconda，需要添加环境变量。

三、安装Pytorch（可选）

1、打开终端，创建虚拟环境。

conda create -n myenv pyton=3.11 # myenv为自定义虚拟环境名称，python=3.11是python的版本，我使用的是3.11版本，根据自己需求选择python版本。

2、输入y确认。

输入conda env list可以查看当前拥有的虚拟环境，如果有自己创建的环境，说明创建成功。

删除虚拟环境：conda remove -n myenv all

3、进入创建的虚拟环境。

conda activate myenv

4、前往Pytorch官网查看自己需要安装的版本

注意：CUDA是向下兼容的，因此在安装之前需要查看自己显卡的CUDA版本，通过nvidia-smi可以查看对应的CUDA版本。如果个人计算机中没有GPU，则只能下载CPU版本的Pytorch。

找到自己需要安装的版本，将安装指令复制到终端，回车下载。

在下载过程中，容易出现版本不兼容的问题，需要根据自己的代码需求安装合适的版本，如果出现超时的情况，则是因为镜像的问题，需要考虑使用清华镜像下载。分为两种方法：

第一种是添加永久镜像地址

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --add channels https://miirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --set show_channels_urls yes

第二种是添加临时镜像，就是每次在安装依赖包时加上镜像地址。

pip install -i https://pypi.tuna.tsinghua.edu.cn/simple 对应包

5、验证Pytorch是否安装成功

在终端输入python

再输入import torch

若没有报错，则说明安装成功。

6、验证GPU是否可用

在第五步的基础上输入torch.cuda,is_available或torch.cuda.is_available()，如果显示的是True或序列号，则说明GPU可以正常使用。如果出现False，则只能使用CPU，可以考虑重装Pytorch。

四、在Pycharm中加入新建的虚拟环境

1、打开Pycharm，依次打开【File】->【Setting】->【Project】->【Python Interpreter】或者直接在pycharm页面右下角Interpreter Setting，进入选择Python解释器。

2、点击Python Interpreter框右侧的设置按钮，点击Add，选择【conda Environment】，选择现有的环境，点击右侧三个点，进去找到新建的虚拟环境所在的位置，找到其中的python.exe文件或pythonw.exe文件，最后选择确定即可。一般新建的虚拟环境在Anaconda3/envs/自定义虚拟环境名/python.exe。如果是Miniconda，一般在.conda/bin/python3.9根据自己安装的版本来定。

选择成功之后，在解释器界面会加载出该虚拟环境中已经安装的包以及相应的版本，如果没有出现，说明可能相应的包没有安装成功。

五、总结

1、安装依赖包

在Pycharm中安装依赖包有两种种方法：

1. 第一种是直接在Python Interpreter界面点击+号，在搜索栏搜索相应的包，直接默认下载即可（不用选版本）。
2. 第二种是通过终端，在Pycharm底部栏中点击【Terminal】，使用pip进行下载。注意：当前选择的解释器在哪个虚拟环境，新安装的包就在相应的虚拟环境中。

2、依赖包的版本选择

在选择依赖包的版本时，并不是版本越新越好，因为各个依赖包之间的版本会出现冲突，因此，需要根据自己的代码需求选择合适的版本。

卸载依赖包指令：pip uninstall 依赖包名称

3、添加Linux新用户

1、切换到root账户下，添加新用户

sudo adduser 用户名
或
sudo useradd -r -m -s /bin/bash 用户名
#其中参数的意义如下：
#-r：建立系统账号
#-m：自动建立用户的登入目录
#-s：指定用户登入后所使用的shell

在 Ubuntu18.04 中，不会在创建用户的时候自动提示设置密码。需要手动执行：

sudo passwd 用户名

2、给新用户添加root权限

1 sudo vim /etc/sudoers
2 然后添加：
3 用户名 ALL=(ALL) ALL

 3、创建新用户成功后，如果进入新用户下打开终端，只显示$符，而不显示用户名和文件路径，则说明该用户为普通用户，没有任何root权限

解决办法：新建的用户未指定shell，我们只需要在root用户下将其指定未/bin/bash即可。

sudo usermod -s /bin/bash 用户名

 4、检查用户是否被创建

id 用户名

5、删除用户

  执行userdel

sudo userdel 用户名

  删除用户目录

sudo rm -rf /home/用户名