1. 环境准备连接校园服务器的正确姿势第一次接触校园服务器的同学往往会被SSH连接、端口号这些术语吓到其实操作起来比想象中简单。我当年第一次登录学校GPU服务器时手抖到输错三次密码现在回想起来都是宝贵的踩坑经验。首先你需要准备三样东西服务器管理员提供的账号密码、校内/校外IP地址通常格式如10.xx.xx.xx或222.xx.xx.xx、以及端口号常见为22或自定义端口。这里特别提醒部分学校会区分内外网连接方式实验室局域网内连接用内网IP校外访问则需要通过学校VPN注此处仅作客观描述不涉及具体工具。MobaXterm是我用过最顺手的SSH工具它的文件拖拽上传功能简直拯救了命令行恐惧症患者。下载时建议选Portable版本解压即用无需安装。打开软件后点击左上角Session按钮选择SSH图标在Remote host栏填写IP地址Specify username输入账号端口号默认22若学校使用其他端口需修改。首次连接会弹出密钥确认窗口点击Yes即可。成功登录后你会看到类似[usernameserver ~]$的命令行提示符恭喜你已经跨出深度学习环境搭建的第一步2. 终端生存指南必备Linux命令速成刚进入Linux终端时面对黑底白字的界面很容易懵圈。别担心记住这几个命令就能应付大部分场景ls查看当前目录内容就像Windows的资源管理器cd 文件夹名切换目录注意Linux是正斜杠/不是反斜杠\mkdir 新文件夹创建目录pwd显示当前完整路径文件传输方面MobaXterm左侧有可视化的文件浏览器直接把本地文件拖到目标目录就能完成上传。下载服务器文件到本地则右键文件选择Download。遇到过有同学用scp命令传输大文件结果中途断连后来发现用screen命令创建持久会话就能避免这个问题。另外遇到压缩包时# 解压.zip文件 unzip package.zip # 解压.tar.gz文件 tar -zxvf package.tar.gz3. Anaconda环境部署实战为什么推荐Anaconda就像在宿舍里用收纳盒分类物品它能创建相互隔离的Python环境。比如同时做两个项目一个需要Python 3.6TensorFlow 1.x另一个要Python 3.9PyTorch 2.xconda可以完美解决这种依赖冲突。下载Anaconda建议换国内镜像源清华源的下载速度能快10倍wget https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/Anaconda3-2022.10-Linux-x86_64.sh安装过程遇到Press ENTER to continue就疯狂按回车看到Do you accept the license terms?输入yes。有个隐藏坑点如果服务器存储空间有限建议修改安装路径到非home目录否则可能撑爆个人配额。安装完成后执行conda init然后重新登录你会发现命令提示符前多了(base)这表示已进入conda基础环境。4. PyTorch环境精准配置技巧创建独立环境时python版本要谨慎选择。太新的版本可能缺少预编译的PyTorch包太旧的又可能不兼容新特性。经过多次实测Python 3.8是个比较稳妥的选择conda create -n pytorch_env python3.8安装PyTorch前务必确认服务器显卡的CUDA版本用nvidia-smi命令查看右上角显示的CUDA Version比如11.4。到PyTorch官网(https://pytorch.org/get-started/previous-versions/)找到对应版本的安装命令。我曾因为没注意这点装完发现无法调用GPU不得不重装整个环境。正确的安装姿势应该是conda activate pytorch_env pip install torch1.12.1cu113 torchvision0.13.1cu113 torchaudio0.12.1 --extra-index-url https://download.pytorch.org/whl/cu113验证安装是否成功时别只看import torch没报错就完事一定要测试GPU是否可用import torch print(torch.__version__) # 应显示安装的版本号 print(torch.cuda.is_available()) # 必须返回True5. 环境管理高阶操作conda的环境管理就像搭积木用得溜能省去很多麻烦。常用命令包括conda list查看当前环境安装的包conda env export environment.yml导出环境配置毕业论文复现救命神器conda env create -f environment.yml根据配置文件重建环境遇到环境混乱时用conda clean -a清理缓存包。如果某个环境彻底不用了删除命令是conda env remove -n env_name。有个实用技巧在.bashrc文件里添加alias llls -alh这样的命令别名能极大提升操作效率。6. 避坑指南常见问题解决方案CUDA out of memory报错是新手常遇问题除了换batch size还可以在代码开头加torch.cuda.empty_cache()遇到SSL证书错误时特别是校园网环境下可以尝试conda config --set ssl_verify no安装包速度慢的终极解决方案是配置国内镜像源。创建或修改~/.condarc文件为channels: - defaults show_channel_urls: true default_channels: - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/msys2 custom_channels: conda-forge: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud pytorch: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud7. 效率提升终端优化配置默认的白底黑字终端看久了眼睛累在MobaXterm设置里可以调成Solarized Dark主题。更进阶的做法是安装oh-my-zshsh -c $(wget https://raw.github.com/ohmyzsh/ohmyzsh/master/tools/install.sh -O -)然后修改~/.zshrc添加插件plugins(git conda-zsh-completion zsh-autosuggestions zsh-syntax-highlighting)这样不仅能自动补全conda命令还能记录历史命令效率直接翻倍。如果服务器重启导致环境失效记得在.bashrc里添加conda activate pytorch_env自动激活环境。