前言：
最近做横向需要使用实验室服务器跑模型，之前用师兄的账号登录服务器跑yolo，3张3090一轮14秒，我本地一张4080laptop要40秒，效率还是快很多，（这么算一张4080桌面版居然算力能比肩3090，老黄好刀法），不过一直用师兄的号也不好意思，所以开了自己单独的号记录下如何配置Linux深度学习的环境。
本文使用的是Anaconda进行配置，因为使用 Anaconda 安装深度学习环境时，通常不需要单独安装 CUDA 和 cuDNN，当然前提是你通过 conda install 直接安装 PyTorch 的 CUDA 版本。
前置工具：
先下好下面两个工具Xshell和Xftp到自己电脑上，前者负责远程连接，输入指令，后者负责文件传输，以及提供可视化文件管理。链接如下（注意下载免费版本的）：
XSHELL - The Industry's Most Powerful SSH Client
https://www.netsarang.com/en/xshell/
下载后打开，两者使用方式差不多，新建会话->输入主机ip->输入用户名密码
然后点击连接就能进入远控的界面。
XFTP同理连接后能够看到下面界面，左边为本机文件管理，右边为远程主机文件管理，左键单击或右键选择传输可实现两机文件交换，同时也可可视化操作linux的文件比如复制粘贴删除重命名而不用输指令。
一、Python版本检查
（虽然理论上感觉安装anaconda前不需要额外安装python，毕竟它本身其实就是为了完成python环境的隔离，但似乎后续conda install失败时使用pip install要是版本不对可能会发生问题？以及我确实找到了一些关于anaconda和python版本的对应关系图，姑且就安装对应的版本。）
python3或python查看本地python版本,显示为3.10.6，exit()退出
二、Anaconda下载和安装
这是找到的对应图，不过也是陈年老博客了，链接如下：
Index of /archivehttps://repo.anaconda.com/archive/
依次输入下面指令：
下载：换成自己对应的链接
wget https://repo.anaconda.com/archive/Anaconda3-2023.03-1-Linux-x86_64.sh添加权限：
chmod +x Anaconda3-2023.03-1-Linux-x86_64.sh运行：
./Anaconda3-2023.03-1-Linux-x86_64.sh按enter:
输入yes：
使用默认地址就好，按enter：
使用初始化，输入yes：
等待后输入ls能够看见创建了一个anaconda3的文件夹，使用rm删除之前下载的sh脚本
重新加载环境
source ~/.bashrc
查看版本校验是否安装成功
conda --version
创建一个环境，这里命名为yolo，使用3.9版本的python（师兄建议不要使用3.10+版本）
激活对应环境：
source activate yolo三、安装torch
点击下面链接，
https://pytorch.org/get-started/previous-versions/https://pytorch.org/get-started/previous-versions/
复制下面指令：
conda install pytorch==2.4.1 torchvision==0.19.1 torchaudio==2.4.1 pytorch-cuda=11.8 -c pytorch -c nvidia
然后等待一段时间都显示done后就配置好环境了。
（是的就这么几步，倒腾了一下午就弄好了，windows的环境配置我反而折腾了一个多星期）
四、验证
1.看所有安装的库:
conda list（前面括号里面表示激活的环境，使用source activate切换）
很明显这边以及安装上cuda版本的torch
2.代码验证：
依次输入
pythonimport torchprint(torch.cuda.is_available())
结果为true即可。
最后：
难得这部分配置环境顺顺利利没有出错，不过后面yolo在linux上的环境还是报了不少错，好在最后顺利解决，后续会出一篇使用yolo在windows和linux分别训练自己的模型的博客，可以点点关注！
)
)
