前言：

        最近做横向需要使用实验室服务器跑模型，之前用师兄的账号登录服务器跑yolo，3张3090一轮14秒，我本地一张4080laptop要40秒，效率还是快很多，（这么算一张4080桌面版居然算力能比肩3090，老黄好刀法），不过一直用师兄的号也不好意思，所以开了自己单独的号记录下如何配置Linux深度学习的环境。

        本文使用的是Anaconda进行配置，因为使用 Anaconda 安装深度学习环境时，通常不需要单独安装 CUDA 和 cuDNN，当然前提是你通过 conda install 直接安装 PyTorch 的 CUDA 版本。

---

前置工具：

先下好下面两个工具Xshell和Xftp到自己电脑上，前者负责远程连接，输入指令，后者负责文件传输，以及提供可视化文件管理。链接如下（注意下载免费版本的）：

XSHELL - The Industry's Most Powerful SSH Clienthttps://www.netsarang.com/en/xshell/

下载后打开，两者使用方式差不多，新建会话->输入主机ip->输入用户名密码

然后点击连接就能进入远控的界面。

XFTP同理连接后能够看到下面界面，左边为本机文件管理，右边为远程主机文件管理，左键单击或右键选择传输可实现两机文件交换，同时也可可视化操作linux的文件比如复制粘贴删除重命名而不用输指令。

---

一、Python版本检查

（虽然理论上感觉安装anaconda前不需要额外安装python，毕竟它本身其实就是为了完成python环境的隔离，但似乎后续conda install失败时使用pip install要是版本不对可能会发生问题？以及我确实找到了一些关于anaconda和python版本的对应关系图，姑且就安装对应的版本。）

python3或python查看本地python版本,显示为3.10.6，exit()退出

---

二、Anaconda下载和安装

这是找到的对应图，不过也是陈年老博客了，链接如下：

Index of /archivehttps://repo.anaconda.com/archive/

依次输入下面指令：

下载：换成自己对应的链接

wget https://repo.anaconda.com/archive/Anaconda3-2023.03-1-Linux-x86_64.sh

添加权限：

chmod +x Anaconda3-2023.03-1-Linux-x86_64.sh

运行：

./Anaconda3-2023.03-1-Linux-x86_64.sh

按enter:

输入yes：

使用默认地址就好，按enter：

使用初始化，输入yes：

等待后输入ls能够看见创建了一个anaconda3的文件夹，使用rm删除之前下载的sh脚本

重新加载环境

source ~/.bashrc

查看版本校验是否安装成功

conda --version

创建一个环境，这里命名为yolo，使用3.9版本的python（师兄建议不要使用3.10+版本）

激活对应环境：

source activate yolo

---

三、安装torch

点击下面链接，

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

复制下面指令：

conda install pytorch==2.4.1 torchvision==0.19.1 torchaudio==2.4.1 pytorch-cuda=11.8 -c pytorch -c nvidia

然后等待一段时间都显示done后就配置好环境了。

（是的就这么几步，倒腾了一下午就弄好了，windows的环境配置我反而折腾了一个多星期）

---

四、验证

1.看所有安装的库:

conda list

（前面括号里面表示激活的环境，使用source activate切换）

很明显这边以及安装上cuda版本的torch

2.代码验证：

依次输入

python

import torch

print(torch.cuda.is_available())

结果为true即可。

---

最后：

         难得这部分配置环境顺顺利利没有出错，不过后面yolo在linux上的环境还是报了不少错，好在最后顺利解决，后续会出一篇使用yolo在windows和linux分别训练自己的模型的博客，可以点点关注！