anaconda安装
这里我是使用课题组服务器，在服务器的/home/账户里安装anaconda。
本人的安装环境：本人在登录节点安装，最终的结果送到计算 节点运行。
1：首先要从网上下载anaconda.sh，这里大家登录anaconda官网寻找对应的版本
链接：https://pan.baidu.com/s/1D0ooJFHvmz5ZIzqkIoXt2w
提取码：hz3s
上面是本人使用的sh文件，网盘自己取。
强烈建议找一个网好的地方下载，这个sh文件需要传到linux里面才能使用，中途不能断网
这个生成的python版本是3.9，这个python可以跑不带pytorch的代码，但是接下来我们要使用的pytorch对应的是3.8，如果读者想要3.8版本的python，读者自己可以去寻找3.8版本的sh文件。
其实安装anaconda的时候用3.9版本，安装pytorch建立虚拟环境使用3.8版本一点不冲突
然后输入命令：bash Anaconda3-2021.11-Linux-x86_64
之后一路enter,yes就可以安装好anaconda了。
这个时候那个sh文件可以删除了。
键入命令anaconda，如果出现下面的代码行，说明安装成功了。
usage: anaconda [-h] [–disable-ssl-warnings] [–show-traceback] [-v] [-q] [-V] [-t TOKEN] [-s SITE] …
anaconda: error: A sub command must be given. To show all available sub commands, run:
anaconda -h
但是其实顺利的话，应该不会出现找不到命令的情况。
创建虚拟环境
由于接下来我们要安装pytorch，这里必须要创建虚拟环境，根据我的要求，键入命令如下：
conda create -n py38 python=3.8
然后一路yes，就可以创建虚拟环境名字为py38，这里的虚拟环境python版本是3.8。
激活虚拟环境命令是：conda activate py38，这样就可以激活命名为py38的虚拟环境
安装pytorch
接下来我们要在该虚拟环境下安装pytorch，
首先我们需要清华源镜像，pytorch官网的下载太慢了
根据链接添加链接描述
首先键入命令：
conda activate py38进入虚拟环境
强烈建议先使用命令:conda clean -i 清除之前安装pytorch的缓存，然后再运行下面的命令
conda config --set show_channel_urls yes生成.condarc文件
然后把文件内容清除，替换为命令
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
pytorch-lts: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
simpleitk: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
替换完以后进入pytorch官网，
我选择中间这个
键入命令
conda install pytorch1.8.0 torchvision0.9.0 torchaudio==0.8.0 cudatoolkit=11.1 -c pytorch -c conda-forge
这样就可以自然安装好了
安装好了pytorch以后就可以直接使用了。
注意：我现在跑代码用的是计算节点，但是我的位置是登录节点，因此我需要写一个run.slurm文件来把代码搬到计算节点去跑。而这里的anaconda我是安装在了登录节点，这个是无关紧要的，因为不同的节点会共享内存。
run.slurm
确保gpu.py文件和run.slurm文件在同一个文件夹。
#!/bin/bash
#SBATCH --output=job_%j_%N.out
#SBATCH --partition=GPU
#SBATCH --job-name=papercode
#SBATCH --nodes=1
#SBATCH --ntasks-per-node=8
#SBATCH --cpus-per-task=1
#SBATCH -t 5:00
#python tset.py
python gpu.py
键入命令：sbatch run.slurm
等一会就会生成一个后缀为.out的文件，然后键入命令：cat XXX.out就可以查看运行结果。
有的服务器登录节点就是计算节点，类似上面安装完pytorch以后，就可以直接键入命令：python XXX.py跑代码
conda deactivate就是退出当前虚拟环境的命令，读者可以根据这个命令来回切换虚拟环境