conda环境配置

新建一个 Conda 环境

conda create --name ycy python=3.9
conda activate ycy

安装对应版本的torch和torchvision

https://pytorch.org/get-started/previous-versions/
找到自己需要安装的torch和torchvision版本号：

# CUDA 11.8
conda install pytorch==2.3.1 torchvision==0.18.1 torchaudio==2.3.1 pytorch-cuda=11.8 -c pytorch -c nvidia

验证安装

python
import torch
import torchvision
if torch.cuda.is_available():
    print("CUDA is available")
	print("CUDA Version: ",torch.version.cuda())
    print("CUDA device count:", torch.cuda.device_count())
    print("CUDA current device:", torch.cuda.current_device())
    print("CUDA device name:", torch.cuda.get_device_name(torch.cuda.current_device()))
else:
    print("CUDA is not available")

检查环境设置

检查 Conda 环境中已安装的包

conda list | grep pytorch

检查环境变量

在激活的 Conda 环境中，确保 CUDA_HOME 和 LD_LIBRARY_PATH 指向正确的路径：

echo $CUDA_HOME
echo $LD_LIBRARY_PATH

更新环境变量

export CUDA_HOME=$CONDA_PREFIX
export PATH=$CUDA_HOME/bin:$PATH
export LD_LIBRARY_PATH=$CUDA_HOME/lib64:$LD_LIBRARY_PATH
source ~/.bashrc

其他

查看所有虚拟环境

conda env list

删除虚拟环境

conda remove -n your_env_name --all

复制虚拟环境

conda create --name ycy1 --clone ycy

查看GPU状态

nvidia-smi

指定显卡运行代码（例如使用 GPU 1）

CUDA_VISIBLE_DEVICES=1 python main.py

linux 下 anaconda 目录迁移

• https://www.jianshu.com/p/2d4d7b87a517

screen命令 后台运行代码

1. 开启一个新的 screen 会话

在终端输入如下命令来开启一个新的 screen 会话：

screen -S mysession

这里的 mysession 是会话的名称，你可以按照自身需求来修改。

2. 在 screen 会话中运行代码

开启新的 screen 会话之后，就能在其中运行代码了。例如，运行一个 Python 脚本：

python myscript.py

这里的 myscript.py 是你要运行的 Python 脚本文件名。

3. 将会话放到后台

运行代码之后，若想把 screen 会话放到后台，可按下 Ctrl + A 组合键，接着再按下 d 键。此时，终端会显示如下信息：

[detached from 12345.mysession]

这表明会话已成功放到后台。

4. 重新连接到会话

要是你想重新连接到之前放到后台的会话，可以使用以下命令：

screen -r mysession

这里的 mysession 是之前创建的会话名称。

5. 列出所有 screen 会话

使用以下命令可以列出所有正在运行的 screen 会话：

screen -ls

6. 终止 screen 会话

若要终止某个 screen 会话，可在重新连接到该会话之后，按下 Ctrl + D 组合键，或者使用以下命令：

screen -X -S mysession quit

这里的 mysession 是要终止的会话名称。

ImageNet-1k数据集下载&处理

（或参考 https://blog.csdn.net/Miller_em/article/details/132025409 ）

1.下载-138GB/6.3GB

wget https://image-net.org/data/ILSVRC/2012/ILSVRC2012_img_val.tar --no-check-certificate
wget https://image-net.org/data/ILSVRC/2012/ILSVRC2012_img_train.tar --no-check-certificate

2.处理

mkdir imagenet && mv ILSVRC2012_img_train.tar imagenet/ && cd imagenet
tar -xvf ILSVRC2012_img_train.tar
# tar -xvf ILSVRC2012_img_train.tar && rm -f ILSVRC2012_img_train.tar 网上看到了个这个命令边解压边删除吧？ 不过不敢rm数据集，有的时候需要在不同服务器之间传数据集，留一手
find . -name "*.tar" | while read NAME ; do mkdir -p "${NAME%.tar}"; tar -xvf "${NAME}" -C "${NAME%.tar}"; rm -f "${NAME}"; done

一共128w张图片~

ls -lR | grep "^-" | wc -l

Tiny ImageNet（ImageNet 的子集）下载

wget http://cs231n.stanford.edu/tiny-imagenet-200.zip --no-check-certificate
unzip tiny-imagenet-200.zip