Linux部署pytorch

背景介紹

不同的開源代碼可能需要不同的實驗環境和版本，這時候的確體現出Anaconda管理環境的好處了，分別搞一個獨立環境方便管理。

有的教程建議選擇較舊的版本，但筆者建議在條件允許的情況下安裝最新版，本次是打算使用擴散生成庫diffuser庫，但在torch1.13+cu117版本下會報類型錯誤，多虧有ai，很快定位到了是torch版本過低問題，但更新的torch也需要更高版本的cuda，因為服務器不是筆者自己在用，貿然升級cuda可能爆發組內矛盾，所以順路也解決了虛擬環境內如何安裝cuda的問題。

Anaconda安裝

本次服務器上已有Anaconda，有關方法可見Linux服務器上安裝Anaconda，大致步驟是到官網查找需要的版本連接，使用wget方法下載，安裝后添加環境變量。

Linux安裝pytorch

剩下方法與Windows中安裝pytorch幾乎完全一樣，conda create -n 環境名 python=3.9創建conda環境后，到pytorch官網找合適的版本下載。

安裝時注意版本即可，服務器虛擬環境中輸入命令后即可順利安裝。

虛擬環境安裝cuda

參照安裝cudatoolkit，首先使用conda actviate 環境名進入先前創建的環境，出現下圖前綴變換說明切換成功：

先使用nvidia-v查看本機的顯卡信息：

后續下載安裝的cuda版本不能高于該CUDA版本，使用conda search cudatoolkit查找可以安裝的cuda版本：

查找到想要的版本后，直接在當前環境使用conda install cudatoolkit=11.8.0安裝即可。

到此服務器的虛擬環境中已具有pytorch+cuda全部所需條件。

pycharm連接服務器

Linux系統無可視化界面，更無編程所需的IDE，使用IDE遠程連接服務器編程十分必要，實現的方式也多種多樣。

文件選項內遠程開發就有選項，通過ssh連接

但該方法筆者還沒成功，涉及證書問題，不過發現了另外一種方法，可用ssh連接遠程服務器的解釋器，使用如下步驟即可：


大致原理為使用ssh協議將本地文件上傳到服務器上，服務器執行文件后結果返回給pycharm，服務器端的文件位置可通過同步文件夾選項設置。

執行代碼

import torch
print(torch.__version__)

得到如下輸出說明實驗成功：

總結

這在本科階段應該是得折騰個把禮拜的事，現在沒費多少勁就解決了，一方面是現在AI
和網絡發展的快，獲取信息太容易了；另一方面是個人成長經驗也豐富了，遇到事直到怎么解決，方向明確，報錯就解決錯，一個個解決了自然就得到想要的結果了，所謂事緩從恒，事急從權；事緩則圓，事急則亂。