linux配环境心得：conda/本地配cuda，cudnn及pytorch心得
- 我们服务器遇到的大多数找不到包的问题
- 一，服务器安装cuda和cudnn
- 服务器安装pytorch
- [服务器运行git命令(git reset/ git clone)](#服务器运行git命令(git reset/ git clone))
我们服务器遇到的大多数找不到包的问题
都是因为国内的网络环境以及墙的问题，导致我们服务器使用了源，或conda使用了源的问题。
使用命令： conda install ，提示找不到包，很可能是因为我们使用了源，然后源里没存那个包。
使用命令： conda search cudatoolkit，找不到包，那其实是这个源里没这个包，不是说conda真的装不上那个特定版本的cuda。
又比如，使用git clone， git reset，一直报很奇怪的错，网上搜索的方法试了又试，都解决不了这个问题，之后发现是国内链接github比较慢，使用一下学术加速就解决了。
又比如，conda install pytorch -c pytorch，怎么都装不上，找不到包，也是连接pytorch官网比较满
所以这里，笔者通过在autodl上搭建环境的例子，重新整一遍linux新环境中配置cuda，cudnn，pytorch以及安装好一个github包，并通过git硬调apex版本，来掩饰一下，当国内网不好，或使用的服务器网不好的时候，我们有多少种方法把环境给配好。(比如本地安装，换源，conda换pip之类的。)
一，服务器安装cuda和cudnn
使用conda在线安装cuda和cudnn
一般情况下，我们使用conda在虚拟环境中安装cuda和cudnn，我们会先搜索conda能提供的cuda包和cudnn包再安装。
比如使用如下所示代码：
py
conda search cudatoolkit
conda search cudnn之后安装显示出来的列表里图里有的cuda和cudnn版本。
py
conda install cudatoolkit==xx.xx
conda install cudnn==xx.xx比如当我在autodl上默认环境中运行：conda search cudatoolkit时，显示出来的是如下画面：
可以看到，显示出来的包不全，导致我们配环境也配的很困难(conda search cudnn同理，同样是不全。)
不管是直接使用命令进行安装conda install cudatoolkit==xx.xx，还是使用命令conda search cudatoolkit --info自己根据链接下载里面对应的包再本地安装，前提是我们得能搜索到对应的包啊，连包都搜索不到怎么安装(比如我们想安装11.1版本的cuda，我们至少得能搜索到cuda11.1啊，但这里的cudatoolkit连11.1都搜索不到。)
为什么conda能提供的cuda版本和cudnn版本这么少？我尝试运行了一下这两行命令进行搜索：
py
conda search cudatoolkit -c conda-forge
conda search cudnn -c conda-forge这回能搜索到一系列的包。
确定原因：是网络和源的问题，导致conda搜索不到。
尝试换一下源再搜索：
py
#conda清除添加源，恢复默认源
conda config --remove-key channels
#添加一些清华源(有时候清华源崩了，可以换阿里源，阿里源崩了，可以换中科大源。国内安环境遇到问题，比如查找不到包的问题，很多都是网络的问题)
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/这时候再重新运行命令：
py
conda search cudatoolkit
conda search cudnn这时候就能显示一系列能安装的conda 包了(conda搜索不到包，还是源的问题。)
这时候运行命令就可以了：
py
conda install cudatoolkit==xx.xx
conda install cudnn==xx.xx使用conda进行本地安装
有时候直接去搜索conda-forge，去安装的时候，因为服务器没法访问外网，如果不是用源里面的文件，可能下载速度会很慢。我们可以使用这条命令：
py
conda search cudatoolkit --info
访问搜索出来的包的url，然后自己下载好，上传到服务器上，之后使用命令安装。
比如我们下载的两个包是cudatoolkit-11.3.1-h2bc3f7f_2.conda和cudnn-8.2.1-cuda11.3_0.conda，我们可以运行这两个命令进行安装。(下载的如果是压缩包，记得解压)
py
conda install ./cudatoolkit-11.3.1-h2bc3f7f_2.conda
conda install ./cudnn-8.2.1-cuda11.3_0.conda检查conda安装的cuda和cudnn
py
conda list | grep cudatoolkit
conda list | grep cudnn本地直接安装cuda和cudnn
方法一：直接更换镜像
实际上我们没必要把每一步都按照自己的想法去强迫其实现，这样会很浪费我们的时间，有时候同一张卡，我们直接升降配置换个镜像，就可以配好了。这能极大的提升我们做科研的速度。(不过我还是想把整体配环境的流程配一遍)
方法二：在nvidia官网下载cuda和cudnn之后进行安装
比如我们想安装cuda11.1.1和配套的cudnn7.6.5，我们首先要在nvidia官网的cuda-toolkit页面下载cuda11.0。
我们点进该页面，之后选择相关的文件，然后下载就可以了。
之后按照这个页面下面的链接运行即可成功安装上。
之后是配置cuda的环境变量的部分。
接着我们进入nvidia-cudnn网址进一步下载cudnn
(这一步需要登陆)
CUDA好安装，cudnn要进一步配置环境。
服务器安装pytorch
换源或换命令安装pytorch
本地安装pytorch
服务器运行git命令(git reset/ git clone)
这个同样是源或网络的问题，autodl有一个学术加速。