-1.设置清华源
0. 登录信息
- 可见GPU：
os.environ["CUDA_VISIBLE_DEVICES"] = "2" - user: ×××
- passwd: ×××
- ip: sftp://x.x.x.x
- port: ×××
- 数据集等大文件放到/hdd/home/xxx或者/hdd/xxx
1. 下载Anaconda3到Linux
https://www.anaconda.com/download/#linux
2. 下载远程连接软件FileZilla
- 打开FileZilla，连接ssh（连接成功后的操作都是在服务器中进行）
- 输入服务器地址，用户名，密码，端口号
- 将下载的anaconda3.sh移动到服务器中自己对应的文件夹中
- 打开终端，输入登录口令
ssh -p portnumber username@servername-
bash Anaconda3-×××-Linux-x86_64.sh安装过程中会需要不断回车来阅读并同意license。安装路径默认为用户目录(可以自己指定)，最后需要确认将路径加入用户的.bashrc中。 - 最后，立即使路径生效，需要在用户目录下执行 ：
source .bashrc
3.常用命令（conda install 找不到的库，就用 pip install 安装）
- 首先设置下载源，国内镜像
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/conda config --set show_channel_urls yes
- 为了方便查找和记忆，常用命令分为 2 个部分：
- 管理环境的命令
- 管理包的命令
3.1 环境（env）管理
- env：环境
- env_name：环境名
- exist_env_name：已存在的�环境名
- 创建：
conda create --name env_name python=python版本号（默认为当前 python 版本） - 列出所有 env：
conda info -e - 删除：
conda remove -n env_name --all - 激活、退出：
activate env_name、deactivate env_name - 导出、导入环境：
conda env export > env_info_file.yml、conda env create -f env_info_file.yml（导出、导入命令都是给予当前环境） - 复制环境：
conda create --name env_name --clone exist_env_name
第二种方法：生成yml文件
首先导出配置文件：conda env export -- name
根据配置文件导入环境：conda env create -f name.yml
3.2 环境
- /use/python下面自带了一个Python的环境，一般很老
- 安装anaconda3的时候会有一个新的环境，一般是自带python3.7的(好像还不支持直接安装tensorflow,需要把Python的版本调低py<<3.7 执行
conda install python=3.6/3.5就可以调整了) - 如果要在envs下面设置自己的环境，
conda create --name python36 python=3.6，然后激活conda activate python36，然后执行一些安装TFconda install tensorflow-gpu==1.11、PyTorch见官网https://pytorch.org/
3.3 包（package）管理
- Conda 创建后的环境种自带 pip，所以安装包也可以直接通过 pip 进行安装。
package_name：包名 - 安装包：
conda install package_name，通过-n参数安装到指定环境conda install -n env_name package_name - 查看已安装的包：
conda list，同样支持-n参数 - 查找已安装包的信息：
conda search package_name - 更新包：
conda update -n env_name package_name - 删除包：
conda remove -n env_name package_name
