【记录】使用远程SSH配置d2l环境（同时适用于本地anaconda）

提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档

文章目录

• 前言
• 一、从创建新环境开始
• 二、使用步骤
• • 1.安装pytorch
  • [2.安装 d2l 包](#2.安装 d2l 包)
  • 3.安装其他包
  • [4.使用jupyter notebook](#4.使用jupyter notebook)

---

前言

记录一下如何利用使用命令行进行anaconda配置 d2l环境、pytorch并进行训练深度学习模型。

---

一、从创建新环境开始

如果是本地直接装一个 anaconda 软件就行，如果是像我样使用 SSH 远程连接服务器进行操作，建议服务器上安装一个 miniconda。conda中创建一个新环境的命令是：

conda  create  --name  env_name（你的环境名字） python=3.8 # 创建指定python版本

无脑y就是了

使用conda info --envs 可以查看环境，可以看到我们已经创建好一个名叫 d2l 的新环境了

使用conda actiavte d2l进入这个新环境中

二、使用步骤

1.安装pytorch

首先我们要查看一下我们显卡所支持的CUDA版本，在命令行输入nvidia-smi，然后图中画框的地方就可以看到我们显卡的CUDA支持版本，我这里这块 RTX 4090 最高支持 12.2 的 CUDA。

首先我们需要在torch官网中查看一下对应的torch版本。我选了中间的 CUDA 12.1 进行安装，将pip install torch==2.2.2 torchvision==0.17.2 torchaudio==2.2.2 --index-url https://download.pytorch.org/whl/cu121这行复制下来。

直接粘贴到命令行运行就行，然后就开始框框下载了。

安装完之后就会显示 successfully 巴拉巴拉：

以防万一，我们输入pip list检查一下是不是真的装上了：

2.安装 d2l 包

我这里是使用pip install d2l==0.17.6 -i https://pypi.mirrors.ustc.edu.cn/simple安装 0.17.6 版本的 d2l 包。

同理使用pip list检查一下，可以看到是安装成功的

同时推荐用pip install jupyter -i https://pypi.mirrors.ustc.edu.cn/simple安装一下jupyter notebook，毕竟mu神视频一直用得是jupyter，也挺好使。

3.安装其他包

还是使用pip install pack_name -i https://pypi.mirrors.ustc.edu.cn/simple的格式安装你的代码所需要的其他包

4.使用jupyter notebook

输入

jupytet notebook

或者是，其中这个root是我在远程服务器的容器名称

jupyter notebook --allow-root

进入jupyter界面之后就是这样：