引言：为了方便后续新进组的 师弟/师妹 使用课题组的服务器，特此编文（ps：我导从教至今四年，还未招师妹）
✅ NLP 研 2 选手的学习笔记
笔者简介：Wang Linyong，NPU，2023级，计算机技术
研究方向：文本生成、大语言模型
文章目录
- 1 写在前面
- 2 管理员分配并登录账号
- 3 配置Anaconda环境
- 4 使用Anaconda的简易教程
- 5 使用Anaconda的进阶教程
- 6 安装Pytoch库
- 7 参考资料
- 8 补充说明
1 写在前面
● 我使用的深度学习的 硬件环境 如下：
| 项 | 版本 |
|---|---|
| CUDA | 12.2（通过 “nvcc -V” 查看） |
| 显卡 | 3张 NVIDIA RTX A6000（每一张48GB显存） |
| Ubuntu | 20.04（通过 “lsb_release -a” 查看） |
| 驱动 | 550.100（通过 “nvidia-smi” 查看） |
| CPU | X86_64 Intel® Xeon® Gold 6430（通过 “nvcc -V” 查看） |
| 内存 | 256GB（通过 “free -h 查看） |
2 管理员分配并登录账号
● 新增用户
sudo useradd -r -m -s /bin/bash username # username是用户名称
● 例如，给 “西工大(xgd)” 建一个用户账号：
sudo useradd -r -m -s /bin/bash xgd
● 设置密码
sudo passwd username # username是用户名称
● 例如，给 “西工大(xgd)” 用户账号设置密码：
sudo passwd xgd
● 比如，这是 我(wly) 作为管理员，正在给 师弟(awb) 申请一个账号并设置了密码：
● 当我退出我的账号(wly)，再登他的账号(awb)，其演示界面即如下：
3 配置Anaconda环境
● 【第一步：下载Anaconda】先到 Anaconda官网，根据自己 Linux 环境架构选择相应的 Anaconda 的文件下载。因为我的架构是 x86_64 就选择这个版本进行下载：
wget https://repo.anaconda.com/archive/Anaconda3-2024.10-1-Linux-x86_64.sh
● 等个几分钟就能下好了：
● 下载好后，通过 ls -l 命令我们可以发现，Anaconda3-2024.10-1-Linux-x86_64.sh 文件没有执行权限，我们需要通过以下命令加一下 “可执行权限”：
chmod +x Anaconda3-2024.10-1-Linux-x86_64.sh
● 【第二步：安装Anaconda】接着，我们直接输入以下命令，开始安装：
./Anaconda3-2024.10-1-Linux-x86_64.sh
● 出现以下界面时，直接按 回车 即可：
● 出现以下界面时，一直按住 回车 即可：
● 直到出现以下界面时，输入 yes 即可：
● 出现以下界面时，再按一个 回车 即可：
● 静静等待安装完成，很快的：
● 这里我测试过，输入 yes 或者 no 都可以（ps: 我推荐选 no，这里做一个标记 ⭐️，后文会提到）：
| 选项 | 含义 |
|---|---|
| yes | 每当你打开一个新的终端，Conda 的 base 环境会自动被激活 |
| no | 每次你想要使用 Conda 环境（包括base环境），都需要手动使用 conda activate <环境名称> |
● 【第三步：配置Anaconda的环境变量】现在我们还差最后一步，配置环境变量，需要输入以下命令将 awb 用户的 anaconda 路径加进 .bashrc 文件中（注意你需要将下面 linux 命令中的 awb 换成你自己的“账户名”）：
echo 'export PATH="/home/awb/anaconda3/bin:$PATH"' >> ~/.bashrc
● 然后再输入以下命令，使得修改后的 .bashrc 文件在当前会话中生效：
source ~/.bashrc
● 运行结果如下：
补充说明：你可能输入
source ~/.bashrc后，下一行并没有 “(base)” 这个标识符，这是因为我在前文的 “⭐️” 处选的是yes，所以它自动激活了base环境，如果你想取消自动激活的功能，输入以下命令即可：conda config --set auto_activate_base false
4 使用Anaconda的简易教程
● 可以使用以下命令激活最原始的 base 环境：
conda activate base
● 运行结果如下：
● 如果你报错了，可以使用以下命令激活（效果一样的）：
source actiavte base
● 运行结果如下：
● 在进入 base 环境后，你就可以通过 conda list 列出当前环境中通过 Conda 安装的所有软件包及其版本；你也可以通过 pip list 列出当前环境中通过 pip 安装的所有软件包及其版本，演示如下：
● 最后补一句，如果比起用 source，你更喜欢用 conda 来激活环境，大概率可以用以下命令来生效（ps：注意，我用的词是“大概率”，因为我还没亲手处理过这种问题）：
conda init
备注：执行完该命令后，需要关闭当前终端窗口，重新打开一个新的终端窗口，再尝试使用
conda activate base命令
5 使用Anaconda的进阶教程
● 当我们要创建一个名字为 “my_master” 的新环境时，我们可以用以下命令来创建：
conda create --name my_master python=3.10
备注：其中
python=3.10表示下载的python版本是3.10的
● 运行后当出现以下界面，直接输入 yes 或者 y 即可：
● 安装好后，我们可以通过以下命令来查看我们的 Conda 目前安装了哪些环境：
conda env list
● 然后当我们进入这个环境，通过输入 conda list 和 pip list 命令，可以看到，里面只有 python 和一些必要的库，可谓是相当的 “干净” ~
● 如果这个环境你不想用了，也可以通过以下命令删掉（示例如下）：
conda env remove --name 环境名
6 安装Pytoch库
● 对于学习 “深度学习” 的我们，一般都绕不开 “Pytorch” 这个库，然后如果直接下载会很慢（因为资源在外网），但我们可以配置一些镜像源，来加快速度（推荐从下面三个选一个就行）：
pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple # 将清华源设置为全局的 pip 镜像源
pip config set global.index-url https://mirrors.ustc.edu.cn/pypi/web/simple # 将中科大源设置为全局的 pip 镜像源
pip config set global.index-url https://pypi.doubanio.com/simple # 将豆瓣源设置为全局的 pip 镜像源
备注：若你使用了
pip config set命令设置了镜像源，可使用pip config unset命令来移除已设置的 index-url 配置，从而恢复默认设置。
● 然后来到 Pytorch 官网，选择适合你的 CUDA 版本的 pytoch 即可。
注意：我们应该选择与
nvcc --version对应的CUDA版本 匹配或者向下兼容 的 Pytorch。原因可参阅博客《【CUDA】nvcc和nvidia-smi显示的版本不一致？》。
● 因为，我通过 nvcc -V 查看我的 CUDA 版本为 12.2：
● 所以，我的选择如下（我推荐使用 2.3.1 的 pytorch 版本）：
● 输入以下命令后，静静等着下载完成即可：
conda install pytorch==2.3.1 torchvision==0.18.1 torchaudio==2.3.1 pytorch-cuda=12.1 -c pytorch -c nvidia
● 最后简单测试一下吧（能成功显示 torch 的版本就表示安装成功啦！⭐️⭐️⭐️）：
7 参考资料
[1] 《历经万难，终于搭好深度学习环境[吐血总结篇，造福后人]》，it’s me
[2] 《【CUDA】nvcc和nvidia-smi显示的版本不一致？》，感谢CSDN博主：u013250861
8 补充说明
● 若有写得不对的地方，或有疑问，欢迎评论交流。
⭐️ ⭐️ 写于2025年4月18日 22:17 教研室工位 💻
分析法)
