引言：為了方便后續新進組的 師弟/師妹 使用課題組的服務器，特此編文（ps：我導從教至今四年，還未招師妹）
? NLP 研 2 選手的學習筆記
筆者簡介：Wang Linyong，NPU，2023級，計算機技術
研究方向：文本生成、大語言模型
文章目錄
- 1 寫在前面
- 2 管理員分配并登錄賬號
- 3 配置Anaconda環境
- 4 使用Anaconda的簡易教程
- 5 使用Anaconda的進階教程
- 6 安裝Pytoch庫
- 7 參考資料
- 8 補充說明
1 寫在前面
● 我使用的深度學習的 硬件環境 如下：
| 項 | 版本 |
|---|---|
| CUDA | 12.2（通過 “nvcc -V” 查看） |
| 顯卡 | 3張 NVIDIA RTX A6000（每一張48GB顯存） |
| Ubuntu | 20.04（通過 “lsb_release -a” 查看） |
| 驅動 | 550.100（通過 “nvidia-smi” 查看） |
| CPU | X86_64 Intel? Xeon? Gold 6430（通過 “nvcc -V” 查看） |
| 內存 | 256GB（通過 “free -h 查看） |
2 管理員分配并登錄賬號
● 新增用戶
sudo useradd -r -m -s /bin/bash username # username是用戶名稱
● 例如，給 “西工大(xgd)” 建一個用戶賬號：
sudo useradd -r -m -s /bin/bash xgd
● 設置密碼
sudo passwd username # username是用戶名稱
● 例如，給 “西工大(xgd)” 用戶賬號設置密碼：
sudo passwd xgd
● 比如，這是 我(wly) 作為管理員，正在給 師弟(awb) 申請一個賬號并設置了密碼：
● 當我退出我的賬號(wly)，再登他的賬號(awb)，其演示界面即如下：
3 配置Anaconda環境
● 【第一步：下載Anaconda】先到 Anaconda官網，根據自己 Linux 環境架構選擇相應的 Anaconda 的文件下載。因為我的架構是 x86_64 就選擇這個版本進行下載：
wget https://repo.anaconda.com/archive/Anaconda3-2024.10-1-Linux-x86_64.sh
● 等個幾分鐘就能下好了：
● 下載好后，通過 ls -l 命令我們可以發現，Anaconda3-2024.10-1-Linux-x86_64.sh 文件沒有執行權限，我們需要通過以下命令加一下 “可執行權限”：
chmod +x Anaconda3-2024.10-1-Linux-x86_64.sh
● 【第二步：安裝Anaconda】接著，我們直接輸入以下命令，開始安裝：
./Anaconda3-2024.10-1-Linux-x86_64.sh
● 出現以下界面時，直接按 回車 即可：
● 出現以下界面時，一直按住 回車 即可：
● 直到出現以下界面時，輸入 yes 即可：
● 出現以下界面時，再按一個 回車 即可：
● 靜靜等待安裝完成，很快的：
● 這里我測試過，輸入 yes 或者 no 都可以（ps: 我推薦選 no，這里做一個標記 ??，后文會提到）：
| 選項 | 含義 |
|---|---|
| yes | 每當你打開一個新的終端，Conda 的 base 環境會自動被激活 |
| no | 每次你想要使用 Conda 環境（包括base環境），都需要手動使用 conda activate <環境名稱> |
● 【第三步：配置Anaconda的環境變量】現在我們還差最后一步，配置環境變量，需要輸入以下命令將 awb 用戶的 anaconda 路徑加進 .bashrc 文件中（注意你需要將下面 linux 命令中的 awb 換成你自己的“賬戶名”）：
echo 'export PATH="/home/awb/anaconda3/bin:$PATH"' >> ~/.bashrc
● 然后再輸入以下命令，使得修改后的 .bashrc 文件在當前會話中生效：
source ~/.bashrc
● 運行結果如下：
補充說明：你可能輸入
source ~/.bashrc后，下一行并沒有 “(base)” 這個標識符，這是因為我在前文的 “??” 處選的是yes，所以它自動激活了base環境，如果你想取消自動激活的功能，輸入以下命令即可：conda config --set auto_activate_base false
4 使用Anaconda的簡易教程
● 可以使用以下命令激活最原始的 base 環境：
conda activate base
● 運行結果如下：
● 如果你報錯了，可以使用以下命令激活（效果一樣的）：
source actiavte base
● 運行結果如下：
● 在進入 base 環境后，你就可以通過 conda list 列出當前環境中通過 Conda 安裝的所有軟件包及其版本；你也可以通過 pip list 列出當前環境中通過 pip 安裝的所有軟件包及其版本，演示如下：
● 最后補一句，如果比起用 source，你更喜歡用 conda 來激活環境，大概率可以用以下命令來生效（ps：注意，我用的詞是“大概率”，因為我還沒親手處理過這種問題）：
conda init
備注：執行完該命令后，需要關閉當前終端窗口，重新打開一個新的終端窗口，再嘗試使用
conda activate base命令
5 使用Anaconda的進階教程
● 當我們要創建一個名字為 “my_master” 的新環境時，我們可以用以下命令來創建：
conda create --name my_master python=3.10
備注：其中
python=3.10表示下載的python版本是3.10的
● 運行后當出現以下界面，直接輸入 yes 或者 y 即可：
● 安裝好后，我們可以通過以下命令來查看我們的 Conda 目前安裝了哪些環境：
conda env list
● 然后當我們進入這個環境，通過輸入 conda list 和 pip list 命令，可以看到，里面只有 python 和一些必要的庫，可謂是相當的 “干凈” ~
● 如果這個環境你不想用了，也可以通過以下命令刪掉（示例如下）：
conda env remove --name 環境名
6 安裝Pytoch庫
● 對于學習 “深度學習” 的我們，一般都繞不開 “Pytorch” 這個庫，然后如果直接下載會很慢（因為資源在外網），但我們可以配置一些鏡像源，來加快速度（推薦從下面三個選一個就行）：
pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple # 將清華源設置為全局的 pip 鏡像源
pip config set global.index-url https://mirrors.ustc.edu.cn/pypi/web/simple # 將中科大源設置為全局的 pip 鏡像源
pip config set global.index-url https://pypi.doubanio.com/simple # 將豆瓣源設置為全局的 pip 鏡像源
備注：若你使用了
pip config set命令設置了鏡像源，可使用pip config unset命令來移除已設置的 index-url 配置，從而恢復默認設置。
● 然后來到 Pytorch 官網，選擇適合你的 CUDA 版本的 pytoch 即可。
注意：我們應該選擇與
nvcc --version對應的CUDA版本 匹配或者向下兼容 的 Pytorch。原因可參閱博客《【CUDA】nvcc和nvidia-smi顯示的版本不一致？》。
● 因為，我通過 nvcc -V 查看我的 CUDA 版本為 12.2：
● 所以，我的選擇如下（我推薦使用 2.3.1 的 pytorch 版本）：
● 輸入以下命令后，靜靜等著下載完成即可：
conda install pytorch==2.3.1 torchvision==0.18.1 torchaudio==2.3.1 pytorch-cuda=12.1 -c pytorch -c nvidia
● 最后簡單測試一下吧（能成功顯示 torch 的版本就表示安裝成功啦！??????）：
7 參考資料
[1] 《歷經萬難，終于搭好深度學習環境[吐血總結篇，造福后人]》，it’s me
[2] 《【CUDA】nvcc和nvidia-smi顯示的版本不一致？》，感謝CSDN博主：u013250861
8 補充說明
● 若有寫得不對的地方，或有疑問，歡迎評論交流。
?? ?? 寫于2025年4月18日 22:17 教研室工位 💻
分析法)
