服务器conda环境使用python虚拟环境教程

在github上下载的代码，如果为python代码或者项目，通常都有环境依赖，每次下载不同的包，会覆盖掉以前的包版本。因此，往往采取一个算法一个虚拟环境的方式进行跑代码。

以这个github项目代码为例，介绍如何运行一个项目（代码地址，这个算法 是 Source code for CIKM 2020 paper "Fast Attributed Multiplex Heterogeneous Network Embedding"，下载后解压传到服务器上）

1 连接服务器

2 查看服务器存在的虚拟环境

conda env list 
或 conda info -e 

3 创建虚拟环境

conda create -n env_name python=X.X

我用的名字为FAME_py36, 选择的版本为3.6， 后面会问你要不要下载一些内置库，选择y

4 激活虚拟环境

source activate FAME_py36

5 安装依赖包 

pip install -r requirments.txt

ps：先来到FAME-master路径，不然会找不到requirments文件

6 运行代码

python main.py

7 关闭虚拟环境 

source deactivate

或者deactivate（windows系统）

如果需要删除FAME_py36虚拟环境：conda remove -n FAME_py36 --all

如果需要删除FAME_py36虚拟环境中的某个包：conda remove --name FAME_py36  package_name

如果需要安装不同版本的CUDA加速的话，可以参考如下命令：参考网址

Linux and Windows
# CUDA 9.2
conda install pytorch==1.6.0 torchvision==0.7.0 cudatoolkit=9.2 -c pytorch

# CUDA 10.1
conda install pytorch==1.6.0 torchvision==0.7.0 cudatoolkit=10.1 -c pytorch

# CUDA 10.2
conda install pytorch==1.6.0 torchvision==0.7.0 cudatoolkit=10.2 -c pytorch

# CPU Only
conda install pytorch==1.6.0 torchvision==0.7.0 cpuonly -c pytorch

检测是否有CUDA加速命令：参考网址

import torch
torch.cuda.is_available()

如果为false，那么一定要先看自己CUDA版本

nvcc -V

我的是9.0，现在有2个思路，一个是更新CUDA驱动，另一个是安装对应的pytorch和torchvision，在上面参考网址里下载对应版本。

查看驱动版本：nvida-smi

Tesla K40C配置：