El código descargado en github, si es un código o proyecto de Python, generalmente tiene una dependencia del entorno. Cada vez que se descarga un paquete diferente, se sobrescribe la versión anterior del paquete. Por lo tanto, a menudo se necesita un algoritmo y un entorno virtual para ejecutar el código.
Tome este código de proyecto de github como ejemplo para presentar cómo ejecutar un proyecto ( dirección de código , este algoritmo es el código fuente para el documento CIKM 2020 " Fast Attributed Multiplex Heterogeneous Network Embedding ", descárguelo y descomprímalo en el servidor)
1 Conéctese al servidor
2 Ver el entorno virtual del servidor
conda env list
或 conda info -e 3 Crea un entorno virtual
conda create -n env_name python=X.X
El nombre que usé es FAME_py36, y la versión seleccionada es 3.6. Más tarde se le preguntará si desea descargar algunas bibliotecas integradas, elija y
4 Activar el entorno virtual
source activate FAME_py365 Instalar paquetes dependientes
pip install -r requirments.txtps: primero acceda a la ruta FAME-master; de lo contrario, no se encontrará el archivo de requisitos
6 Ejecute el código
python main.py
7 Cierre el entorno virtual
fuente desactivada
O desactivar (sistema windows)
Si necesita eliminar el entorno virtual FAME_py36: conda remove -n FAME_py36 --todos
Si necesita eliminar un paquete en el entorno virtual FAME_py36: conda remove --name FAME_py36 package_name
Si necesita instalar diferentes versiones de la aceleración CUDA, puede consultar el siguiente comando: URL de referencia
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 pytorchCompruebe si hay un comando de aceleración CUDA: consulte el sitio web
import torch
torch.cuda.is_available()Si es falso, primero debe mirar su versión CUDA
nvcc -V
El mío es 9.0, y ahora tengo dos ideas, una es actualizar el controlador CUDA, la otra es instalar el correspondiente pytorch y torchvision, descargar la versión correspondiente del sitio web de referencia anterior.
Verifique la versión del controlador: nvida-smi
Configuración de Tesla K40C:
