由于实验室的服务器是大家共用的，为了避免互相干扰，个人的程序跑在个人的文件夹下的虚拟环境上。 
 备注：python2.7，tensorflow1.2，torch7
 
1. 安装virtualenv
 
pip install virtualenv
 
2. 建立存放虚拟环境的文件夹
 
mkdir v2v
 
3. 创建虚拟环境(参数表示拷贝系统的packages)
 
virtualenv --system-site-packages venv
 
4. 进入虚拟环境
 
source venv/bin/activate
 
5. 安装torch7
 
curl -s https://raw.githubusercontent.com/torch/ezinstall/master/install-deps | bash
git clone https://github.com/torch/distro.git ~/torch --recursive
./install.sh
 
输入th出现torch图案，安装成功 
 输入exit退出torch
 
6. 安装tensorflow1.2
 
pip install tensorflow-gpu==1.2.0
 
7. 退出虚拟环境
 
deactivate
 
8.删除虚拟环境（删除文件夹）
 
rm -r venv
 
 
【1】https://www.liaoxuefeng.com/wiki/0014316089557264a6b348958f449949df42a6d3a2e542c000/001432712108300322c61f256c74803b43bfd65c6f8d0d0000

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：
 

 
linux服务器上新建虚拟环境
 
1.方式1
1.1下载Anconda3 安装
  
2.方式2
2.1下载安装virtualenv
  
3.方式3
3.1下载安装 virtualenvwrapper
 

 
1.方式1
 
1.1下载Anconda3 安装
 
首先下载一个对应版本的Anaconda3-2019.03-Linux-x86_64.sh。
 

 在文件目录下执行 bash Anaconda3-5.2.0-Linux-x86_64.sh
 1.2验证是否安装成功。
 在终端输入anaconda，如果出现如下图所示命令，则代表安装成功
 
 如果未成功
 
这是由于环境变量未导入，或者环境变量导入了未更新。
 输入命令打开配置文件
 vim ~/.bashrc
 在最后添加语句
 export PATH=/home/X/anaconda3/bin:$PATH
 X是你的用户名这里是chenyahao.最后输入 source ~/.bashrc 更新配置文件即可。
 
 
 上边的是自带的。下边是自动创建的
 
 
 
2.方式2
 
2.1下载安装virtualenv
 
pip install virtualenv
 
为一个工程创建一个虚拟环境：
 $ cd my_project_dir
 $ virtualenv tt　　#venv为虚拟环境目录名，目录名自定义
 可以 选择一个Python解释器。 如果安装了其他Python版本。输入 whereis python
 virtualenv -p /usr/bin/python2.7 tt　
 
 然后就激活了。
 退出deactivate
 
3.方式3
 
3.1下载安装 virtualenvwrapper
 
鉴于virtualenv不便于对虚拟环境集中管理，所以推荐直接使用virtualenvwrapper。 virtualenvwrapper提供了一系列命令使得和虚拟环境工作变得便利。它把你所有的虚拟环境都放在一个地方。
 1）下载 pip install virtualenvwrapper
 2）安装完成后，在~/.bashrc写入以下内容
 vim ~/.bashrc
 
　
export WORKON_HOME=~/Envs         #virtualenvwrapper存放虚拟环境目录
source /usr/local/bin/virtualenvwrapper.sh　 #virtrualenvwrapper会安装到python的bin目录下，所以该路径是python安装目录下bin/virtualenvwrapper.sh
 

 3）读入配置文件生效
 source ~/.bashrc　　　　#读入配置文件，立即生效
 4) 创建虚拟环境　mkvirtualenv
 mkvirtualenv venv　　　
 当然也可以指定Python解释器
 mkvirtualenv --python=/usr/local/python3.5.3/bin/python venv
 5 ）切换虚拟环境
 查看当前的虚拟环境目录
 [root@localhost ~]# workon
 py2
 py3
 
6）切换到虚拟环境
 [root@localhost ~]# workon py3
 (py3) [root@localhost ~]#
 7）退出虚拟环境
 deactivate
 8）删除虚拟环境
 rmvirtualenv venv

 
Python虚拟环境
 
Python虚拟环境的用途
Python虚拟环境创建步骤
安装并测试virtualenv
创建个人目录
激活虚拟环境
   
  
 

 
Python虚拟环境的用途
 
首先，本人是为了在服务器上，不影响其他用户的使用，创建的python虚拟环境
 
其实，python虚拟环境有很多好处，比如，不同的两个程序可能需要不同的python版本，此时，拥有python虚拟环境就可以帮助你轻松的使用不同版本的python。
 
原来的python中，所有相关包都在一个文件目录下。但是，使用了python虚拟环境后，就创建了不同版本的独立的虚拟环境。对于有python版本依赖的程序来说，创建python虚拟环境很有必要。
 
Python虚拟环境创建步骤
 
安装并测试virtualenv
 
我们使用名为virtualenv的模块，这是一个创建隔离Python环境的工具。 virtualenv创建一个文件夹，其中包含使用Python项目所需的包所需的所有可执行文件。
 
安装virtualenv : pip install virtualenv
 
测试安装结果： virtualenv --version
 
创建个人目录
 
virtualenv dic_name
 
运行此命令后，将创建名为dic_name的目录。 这是包含使用Python项目所需的包的所有必需可执行文件的目录。
 
如果要指定自己选择的Python解释器，例如Python 3，可以使用以下命令完成：
 
virtualenv -p /usr/bin/python3 virtualenv_name
 
激活虚拟环境
 
source virtualenv_name/bin/activate
 
创建虚拟环境后，需要激活它。 每次处理项目时都要激活相关的虚拟环境。
 
激活完毕，会进入虚拟环境，此时可以下载所需要的各类软件。