在github上下载的代码,如果为python代码或者项目,通常都有环境依赖,每次下载不同的包,会覆盖掉以前的包版本。因此,往往采取一个算法一个虚拟环境的方式进行跑代码。
以这个github项目代码为例,介绍如何运行一个项目(代码地址,这个算法 是 Source code for CIKM 2020 paper "Fast Attributed Multiplex Heterogeneous Network Embedding",下载后解压传到服务器上)
1 连接服务器
2 查看服务器存在的虚拟环境
conda env list
或 conda info -e
3 创建虚拟环境
conda create -n env_name python=X.X
我用的名字为FAME_py36, 选择的版本为3.6, 后面会问你要不要下载一些内置库,选择y
4 激活虚拟环境
source activate FAME_py36
5 安装依赖包
pip install -r requirments.txt
ps:先来到FAME-master路径,不然会找不到requirments文件
6 运行代码
python main.py
7 关闭虚拟环境
source deactivate
或者deactivate(windows系统)
如果需要删除FAME_py36虚拟环境:conda remove -n FAME_py36 --all
如果需要删除FAME_py36虚拟环境中的某个包:conda remove --name FAME_py36 package_name
如果需要安装不同版本的CUDA加速的话,可以参考如下命令:参考网址
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 pytorch
检测是否有CUDA加速命令:参考网址
import torch
torch.cuda.is_available()
如果为false,那么一定要先看自己CUDA版本
nvcc -V
我的是9.0,现在有2个思路,一个是更新CUDA驱动,另一个是安装对应的pytorch和torchvision,在上面参考网址里下载对应版本。
查看驱动版本:nvida-smi
Tesla K40C配置: