服务器上anaconda下载及pytorch配置过程
本文介绍利用mobaXterm连接服务器，再下载anaconda，配置Pytorch的过程。下载过程中经常有报错，踩了一些坑。
1. 登录服务器，下载anaconda
先打开mobaXterm，打开session连接服务器。如果是第一次登录的话，可以点击左上角的session - SSH， 输入端口号，用户名，在命令行中输入密码。
（1）下载anaconda
先在清华镜像源里下载对应的anaconda3，由于是Linux服务器，所以这里下载的是Anaconda3-4.0.0-Linux-x86_64.sh版本
利用服务器执行下载
# wget https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/Anaconda3-4.0.0-Linux-x86_64.sh
（2）下载完成后运行安装指令
bash Anaconda3-4.0.0-Linux-x86_64.sh
一路yes即可，最后询问你是否要安装vscode，可以选择no。
（3）安装完成后别忘了配置环境变量
在左侧的文件夹中找到.bashrc，双击打开
在最后添加一行添加路径的代码，其中xxxxx(user name) 修改为自己的用户名。环境变量就配置好了。
export PATH="/home/xxxxxx(user name)/anaconda3/bin:$PATH"
（4）测试是否安装成功
输入指令
conda info --envs
如果出现 /home/username/anaconda3即表示安装成功。
2. 创建Pytorch虚拟环境，安装下载pytorch
（1）首先更改下载源
下载Pytroch时通常会使用清华镜像，而在mobaXterm左侧的文件管理中找到.condarc文件，双击打开，将内容替换为如下所示。
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
msys2: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
bioconda: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
menpo: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
pytorch: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
simpleitk: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
remote_read_timeout_secs: 1000.0
保存的时候会弹出窗口提示，选择yes即可。
在命令行中输入如下指令，更新下载源。要求输入y/n的时候输入y即可。
conda update -n base conda
（2）创建虚拟环境
进入anaconda3文件夹
cd ./anaconda3
创建名为pytorchenv的虚拟环境
conda create -n pytorchenv python=3.7
激活并进入虚拟环境
conda activate pytorchenv
（3）安装对应版本的Pytorch
在Pytorch官网中找到对应的pytorch版本，复制相应的命令行。
需要确认的参数有：
1.一般选择Stable
2.服务器为linux系统
3.使用conda包
4.选择python语言
5.选择相应的CUDA版本，查看CUDA版本可以在命令行中输入nvidia-smi，右上角就是了
选定pytorch版本后，复制下面的命令行语句
在命令行中粘贴
conda install pytorch torchvision torchaudio cudatoolkit=11.3 -c pytorch
这个过程有时会报错，是网络连接不上，或者是其他一些未知错误，在安装的时候比较玄学。
安装失败的话需要多试几次，我在一个周六的上午突然就安装成功了，或许需要一定运气的成分。。
----更新-----
使用pip语句安装通常会顺利一点，省去了conda安装时的安装环境检测
（4）测试是否安装成功
python
import torch
torch.cuda.is_available()
如果返回的是True就说明安装成功了。
【补充更新】
3. 在本地的pycharm上远程连接服务器，使用Pytorch
现在我们已经可以在服务器端使用pytorch了，但是只能使用命令行来运行，还不是很方便。我们希望在本地电脑来编辑代码，使用pycharm来远程连接服务器，在服务器上进行调试。
（1）下载pycharm专业版（需要破解）
因为只用专业版才能连接服务器调试，可以自行网上下载并破解。
（2） 添加ssh连接
打开pycharm，在上方菜单栏里找到tools - deployment - configuration
打开后选择右上角的+号，选择SFTP,填写IP、端口号和密码，如下图所示：
填写之后确认，点击test connection按钮，如果能seccessful connecte的话就说明配置好了。然后设置服务器中代码保存的位置(Root path)，我这里是/home/lyj，可修改为自己所对应的位置。
（3）新建项目
打开软件，点击左上角的file-new project新建项目。
选择python解释器
1：Location 这个位置是项目在本地所处的文件夹
2：Existing interpreter 选择已经存在的服务器端的python解释器。
3：remoter project location:这里是文件夹在服务器的存储位置
（4）设置Run/Debug Cofigurations
选择项目，新建一个python文件。
如果运行按钮的绿色三角形没有亮起来的话，说明还没有设置run/debug configurations。
单击Edit Configurations
可以看见python interpreter中已经选择了pytorchenv虚拟环境中的python解释器，然后我们把script path修改为刚才新建的py文件所在的位置（注意一定要选到可执行的.py文件）
（5）设置本地项目与服务器项目的映射，并同步更新
最后就是将本地代码与服务器代码同步起来，这样在本地修改的时候，服务器中存的代码也会同步修改。
设置本地文件夹与服务器中的文件夹自动同步。如图所示勾选automatic upload。这样在本地新建的文件都会自动上传到服务器中了。
这样运行本地修改的代码的时候，可以发现在下方的File Transfer里代码也同步更新到服务器所对应的代码中了。
过程比较繁琐，也可能出现意想不到的情况，但只要有耐心，过段时间再试试，可能就能解决好了~