前言

为了运行神经网络，找学院要了一个GPU服务器的账号，但是服务器不能访问互联网，所以所有的下载都需要在本地进行，在访问服务器时，需要先使用学校的VPN。先讲一下我的环境：

• 一台Ubuntu 18.04虚拟机
• 一台Windows10笔记本
• 一台Ubuntu 16.04服务器

我的想法是预先在在虚拟机上把环境配好，然后打包为一个文件，以笔记本为中转后在服务器上安装。

准备工作

安装WinSCP

WinSCP是用于在笔记本和服务器之间传输文件的工具，至于为什么不直接从虚拟机向服务器发送数据，是因为学校的VPN接口没有提供Ubuntu版的。

Download

安装conda

• 首先，在虚拟机上安装conda
  • 我推荐使用Miniconda，它相比与Anaconda而言比较简洁，只含有Python和conda。
  • Miniconda建议从清华镜像处下载，又快又好。
• 其次，在虚拟机上安装好Miniconda后，请将其安装包通过笔记本中转后，发送到服务器上。
• 最后，在虚拟机和服务器上同时安装相同的conda (bash miniconda---.sh) ，一路回车即可。

配置Python环境

• 首先，创建新环境
• 激活环境
• 使用pip安装所需Python库（pip下载的问题可以参考链接）

请一定要检查好需要使用的库是否完全安装完毕，因为pip在安装库的时候，除了下载命令行中键入的库，还会下载一些相关联的库，比如下载tensorflow的时候，pip会自动下载tensorboard一个依赖库。也就是说，即便在迁移完成后，如果忘记打包某一个库，是要重新回到本下载安装阶段的。

由于本部分涉及大量的Conda操作，对于conda不熟悉的朋友们可以参考此链接。

环境迁移

• 在虚拟环境中使用pip install conda指令

• 输入conda pack -n your_venv_name -o output_name.tar.gz

  • 如果提示No command 'conda pack'，则尝试使用conda install -c conda-forge conda-pack，安装完成后重新进行打包。

• 使用WinSCP将压缩包发送到服务器，在移动结束后，检查文件大小是否匹配

• 在服务器上依次执行：

  • cd miniconda3/envs/
  • mkdir -p myenv
  • cd
  • tar -xzvf output_name.tar.gz -C miniconda3/envs/myenv

  此时，环境应该已将安装成功了，使用conda info -e检查是否出现了myenv的虚拟环境。

• 激活虚拟环境myenv

• 使用conda list检查是否所有的包均成功迁移

然后就可以开始在服务器上愉快地使用Python了！