当前位置：首页 > news >正文

研0大模型学习（第四、五天）

news 来源：原创 2025/8/14 8:30:40

学习CSDN教程：VSCode Debug指南

但里面貌似主要是针对nodejs的，所以我在

CSDN教程：VSCode调试python程序
中学习，刚开始调试报错python版本太低，于是我安装了旧版本的pythondebugger，再把python解释器从原来的python3.6.9转到anaconda下的3.8.8，即可成功调试。
调试工作栏：继续(F5)、逐过程(F10)、单步调试(F11)、单步跳出(Shift+F11)、重启(Ctrl+Shift+F5)、停止(Shift+F5)
普通调试、进阶调试（lauch.js文件）

学习菜鸟教程：Python基础

标准数据类型：Numbers、String、List、Tuple、Dictionary
str = 'Hello World!'
printstr[2:5]# 输出字符串中第三个至第六个之间的字符串
list = ['runoob', 786 , 2.23, 'john', 70.2]
printlist[2:]# 输出从第三个开始至列表末尾的所有元素
tuple = ('runoob', 786 , 2.23, 'john', 70.2)	// 元祖不能赋值，相当于只读列表
printtuple[2:]# 输出从第三个开始至列表末尾的所有元素
tinydict = {'name': 'runoob','code':6734, 'dept': 'sales'}
printtinydict.keys()# 输出所有键过了眼面向对象和正则表达式，打算遇到再学习。

在个人电脑上配置pytorch环境

因为笔记本是Intel核显，所以无法安装cuda，于是找到教程

手把手教你在CPU上安装PyTorch，快速上手深度学习！_哔哩哔哩_bilibili
，选择不安装cuda，直接在CPU上安装pytorch。
后面放弃了。

成功在服务器上配置好pytorch环境

VS Code 远程服务器配置 PyTorch 超详细教程（Anaconda环境）

本文将详细指导你如何在已经通过 VS Code 连接到远程服务器并安装了 Anaconda 的环境下，成功配置和安装 PyTorch。我们将利用 Anaconda 的环境管理功能，确保 PyTorch 的安装干净且与其他项目隔离。

准备工作：

远程服务器已搭建并可通过 SSH 访问。
本地电脑已安装 VS Code 并安装了 Remote - SSH 扩展。
已通过 VS Code 成功连接到远程服务器。
远程服务器上已成功安装 Anaconda 或 Miniconda。

我们将按照以下步骤进行：

第一步：通过 VS Code 连接到远程服务器并打开终端

打开 VS Code。
点击左侧的远程资源管理器图标（通常是一个连接插头的图标），或者使用 Ctrl+Shift+P (Windows/Linux) / Cmd+Shift+P (macOS) 打开命令面板，输入 "Remote-SSH: Connect to Host..." 并选择你要连接的服务器。
连接成功后，VS Code 窗口左下角会显示你连接的服务器信息。
打开一个新的终端。可以通过菜单栏选择 Terminal -> New Terminal，或者使用快捷键 Ctrl+\`` (Windows/Linux) / Cmd+`` (macOS)。
这个终端现在运行在你的远程服务器上。你应该能看到服务器的命令行提示符。

第二步：理解和使用 Anaconda 环境

在 Anaconda 中安装 PyTorch，强烈推荐在一个独立的环境（Environment）中进行。这样做的好处是：

隔离性： 不同的项目可以有不同的依赖库版本，避免冲突。
整洁： 主环境（base 环境）保持干净。
易于管理： 可以轻松创建、激活、删除环境。

检查现有的 conda 环境：
在远程服务器的终端中输入：
```
conda env list
```
或者
```
conda info --envs
```
这会列出你所有的 conda 环境。base 环境是默认安装时创建的。
创建一个新的 conda 环境用于 PyTorch：
为 PyTorch 创建一个专门的环境是个好习惯。给你的环境起一个有意义的名字，比如 pytorch_env 或 deeplearning。同时指定 Python 版本，通常建议使用较新的稳定版本。
```
conda create -n pytorch_env python=3.9
```
- -n pytorch_env：指定环境的名称为 pytorch_env。你可以替换成你喜欢的名字。
- python=3.9：指定这个环境使用的 Python 版本为 3.9。你可以根据需要选择其他版本（如 3.8, 3.10, 3.11），但请确保这个 Python 版本与你将要安装的 PyTorch 版本兼容。
  conda 会告诉你需要安装哪些包，输入 y 并按回车确认安装。
激活新的 conda 环境：
创建完成后，你需要激活这个环境才能在其内部安装 PyTorch。
```
conda activate pytorch_env
```
激活后，你的命令行提示符前面会显示当前所处的环境名称（例如 (pytorch_env)）。接下来的所有安装命令都必须在这个激活的环境中执行。

第三步：确定 PyTorch 安装命令（最关键的一步）

PyTorch 的安装命令取决于你的服务器是否有 NVIDIA GPU 以及你想使用哪个版本的 PyTorch 和 CUDA。PyTorch 官方网站提供了非常方便的安装命令生成器。

访问 PyTorch 官方网站：
在你的本地浏览器中打开以下网址：
https://pytorch.org/
使用安装命令生成器：
在 PyTorch 官网首页向下滚动，找到 “Install PyTorch” 或类似的区域。你应该会看到一个安装配置选择器。你需要选择以下选项：
- PyTorch Build: 选择 Stable（稳定版）通常是最好的选择。
- Your OS: 选择你的服务器的操作系统，通常是 Linux。
- Package: 选择 Conda。
- Language: 选择 Python。
- Compute Platform: 这一步非常重要！
  - 如果你服务器有 NVIDIA GPU，并且你想利用 GPU 进行加速计算，你需要选择与你的服务器显卡驱动兼容的 CUDA 版本。如何查看服务器显卡和驱动支持的 CUDA 版本？ 在远程服务器的终端（不需要在 conda 环境里，任何地方都行）输入 nvidia-smi。
```
nvidia-smi
```
    输出会显示你的 GPU 型号、驱动版本以及驱动支持的最高 CUDA 版本（通常在右上角）。选择 PyTorch 安装器中提供的 CUDA 版本，这个版本等于或低于 nvidia-smi 显示的最高支持版本。例如，如果 nvidia-smi 显示支持 CUDA 11.8，你可以选择 CUDA 11.8 或 11.7 等版本进行 PyTorch 安装。
  - 如果你的服务器没有 NVIDIA GPU，或者你不需要 GPU 加速（只使用 CPU），选择 CPU。
获取安装命令：
根据你的选择，PyTorch 网站会生成一个对应的 conda install 命令。例如：
- 如果选择了带有 CUDA 支持的版本 (以 CUDA 11.8 为例):
```
conda install pytorch torchvision torchaudio pytorch-cuda=11.8 -c pytorch -c nvidia
```
- 如果选择了仅 CPU 版本:
```
conda install pytorch torchvision torchaudio cpuonly -c pytorch
```
请务必复制 PyTorch 官网上为你生成的那个准确的命令。 因为频道（-c 参数后面的内容）和包名可能会随时间或版本变化。

第四步：在激活的 conda 环境中执行安装命令

回到 VS Code 中连接的远程服务器终端，确保你已经激活了刚刚创建的 PyTorch 环境（(pytorch_env) 应该在命令行提示符前）。

粘贴你在 PyTorch 官网复制的 conda install 命令。
按回车执行命令。
conda 会计算依赖关系并列出即将安装的包。仔细检查一下，特别是如果你选择了 GPU 版本，应该能看到与 CUDA 相关的包。
当 conda 询问你是否继续时 (Proceed ([y]/n)?)，输入 y 并按回车。
conda 将会下载并安装 PyTorch 及其依赖库。这可能需要一些时间，取决于你的服务器的网络速度和服务器性能。

第五步：验证 PyTorch 安装

安装完成后，留在同一个已经激活的 PyTorch 环境中，进行简单的验证，确保 PyTorch 已经成功安装并且（如果选择了 GPU 版本）可以正确检测到 GPU。

进入 Python 交互式环境：
```
python
```

在 Python 环境中输入以下代码：

import torch
print(torch.__version__)
# 如果你安装了GPU版本，检查CUDA是否可用
print(torch.cuda.is_available())

按下回车执行这几行代码。
- 第一行会打印出安装的 PyTorch 版本号。
- 如果你安装的是 GPU 版本，第二行 print(torch.cuda.is_available()) 应该输出 True。如果输出 False，说明 PyTorch 没有正确检测到 GPU，可能的原因包括 CUDA 安装问题、驱动问题或者 PyTorch 版本与 CUDA 不兼容。
输入 exit() 并按回车退出 Python 交互式环境。

第六步：在 VS Code 中配置使用新的 PyTorch 环境

为了让 VS Code 的代码编辑、调试、运行等功能使用你刚刚安装了 PyTorch 的环境，你需要告诉 VS Code 选择这个环境作为 Python 解释器。

在 VS Code 窗口的左下角，你会看到当前 VS Code 正在使用的 Python 解释器路径或版本信息。点击它。
VS Code 顶部会出现一个下拉菜单，列出了它在服务器上找到的所有 Python 环境，包括你的 Anaconda 环境。
在列表中找到你刚刚创建并安装了 PyTorch 的环境（例如，名字中包含 pytorch_env 字样，路径会指向 .../Anaconda/envs/pytorch_env/bin/python）。
点击选择你的 PyTorch 环境。

现在，当你在 VS Code 中打开或创建 .py 文件时，VS Code 就会使用你选择的 PyTorch 环境来运行代码、提供智能提示和进行调试。