1.准备环境：
通常选择GPU服务器来进行训练，服务器的环境是Ubuntu，服务器上的显卡驱动，cuda，cuDNN,cudatoolkit都需要版本对应且提前配置好
#查看显卡驱动版本，以及可支持的最高cuda版本
nvidia-smi
#查看当前系统安装的cuda版本
nvcc --version
Pytorch与cudatoolkit对应关系：https://blog.csdn.net/Z_zfer/article/details/124648956?spm=1001.2014.3001.5502
2.VSCode连接
Vscode插件搜索ssh，进行安装，然后连接到远程服务器
#输入连接命令
ssh 用户名@ip地址 -p 端口号
#输入密码
3.连接成功之后，配置开发环境
1）安装Anaconda
#清华大学开源软件镜像站
https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/
#安装
bash Anaconda3-2020.07-Linux-x86_64.sh
#配置anaconda的环境变量
2）配置conda源
#windows环境下---编辑C:\Users下面的.condarc 文件
channels:
- defaults
show_channel_urls: true
default_channels:
- https://mirrors.bfsu.edu.cn/anaconda/pkgs/main
- https://mirrors.bfsu.edu.cn/anaconda/pkgs/r
- https://mirrors.bfsu.edu.cn/anaconda/pkgs/msys2
custom_channels:
conda-forge: https://mirrors.bfsu.edu.cn/anaconda/cloud
msys2: https://mirrors.bfsu.edu.cn/anaconda/cloud
bioconda: https://mirrors.bfsu.edu.cn/anaconda/cloud
menpo: https://mirrors.bfsu.edu.cn/anaconda/cloud
pytorch: https://mirrors.bfsu.edu.cn/anaconda/cloud
pytorch-lts: https://mirrors.bfsu.edu.cn/anaconda/cloud
simpleitk: https://mirrors.bfsu.edu.cn/anaconda/cloud
#Linux环境下---编辑/home/用户名目录下的~/.condarc文件
channels:
- defaults
show_channel_urls: true
default_channels:
- https://mirrors.bfsu.edu.cn/anaconda/pkgs/main
- https://mirrors.bfsu.edu.cn/anaconda/pkgs/r
- https://mirrors.bfsu.edu.cn/anaconda/pkgs/msys2
custom_channels:
conda-forge: https://mirrors.bfsu.edu.cn/anaconda/cloud
msys2: https://mirrors.bfsu.edu.cn/anaconda/cloud
bioconda: https://mirrors.bfsu.edu.cn/anaconda/cloud
menpo: https://mirrors.bfsu.edu.cn/anaconda/cloud
pytorch: https://mirrors.bfsu.edu.cn/anaconda/cloud
pytorch-lts: https://mirrors.bfsu.edu.cn/anaconda/cloud
simpleitk: https://mirrors.bfsu.edu.cn/anaconda/cloud
3）创建一个新的conda环境
#查看当前存在哪些虚拟环境
conda env list
#创建conda环境
conda create --name condaname python=3.7
#激活当前conda环境
conda activate condaname
#安装所需要的库---如果有requirements.txt文件
pip install -r requirements.txt
#安装所需要的库---如果有导出的conda环境
conda env export --file condaname .yml --name condaname #导出环境配置
conda env create -f condaname .yml #新设备部署环境
#使用pip临时换源安装----临时换源安装matplotlib
pip install matplotlib -i https://mirrors.aliyun.com/pypi/simple/
#查看当前环境里面安装的库
conda list
#退出虚拟环境
source deactivate condaname
#删除虚拟环境
conda remove -n condaname --all
4.从GitHub上面导入项目
采用git命令导入，如果没有git请提前安装
#创建一个文件夹
mkdir project
cd project
#导入命令--- git clone 项目名
git clone https://github.com/gaocong13/Projective-Spatial-Transformers.git
