一.服务器未连外网下如何搭建
找一台具有Linux操作系统的电脑，进行新的虚拟环境的搭建，然后将整个文件夹拷贝到服务器上，即可直接使用。
1.Windows系统上虚拟机的下载及安装
首先进入官网，下载虚拟机软件VMware；
其次进入Ubuntu官网，下载Linux系统镜像
最后进行软件安装，参考教程如下
2.安装Linux操作系统
进入虚拟机，打开火狐浏览器，访问Anaconda官网，下载Linux操作系统下64位的anaconda3安装程序，然后进行软件安装。
安装时，安装目录一定要和Linux服务器上的anaconda所在安装目录保持一致（这一点很重要），否则后面创建好的虚拟环境拷贝到服务器上是错误的！！！
服务器上conda安装目录查看方法：首先Xshell连接上服务器，输入命令conda activate 进入base虚拟环境中，接着输入命令which conda 会查看到anaconda3所在安装目录。后面虚拟机上anaconda3也按照这个目录进行安装(这一点很重要，直接决定成败！)。
3.创建Python环境
虚拟机中任意文件夹位置，右键打开终端。输入命令conda create -n your_envName python=x.x(x.x是指定的python版本，比如3.6、3.7)；该命令会在anaconda3安装目录envs文件夹下生成一个文件夹，名称为your_envName。
4.安装Pytorch、torchvision和torchaudio、torchtext
因为自己是研究图像处理相关的方向，所以仅安装了Pytorch、torchvision。torchaudio和torchtext是做自然语言处理和语音方向，可根据自己的需求自行考虑是否安装。
在线安装的前提是要具备能够访问外网，一行命令即可十分方便，各种包不容易出错；坏处是conda的官方源不稳定，安装容易断掉，需要设置额外的源，比如清华源，阿里源等进行快速安装。
离线安装的好处是conda不需要连外网也能安装，可以下载指定想要的任意版本；坏处是需要先下载好pytorch和torchvision的文件包，安装好后可能还会报一些奇怪的错误（本人亲身经历了哈哈哈）。
（1）离线安装
xshell连接到服务器，输入命令nvidia-smi可以查看服务器的cuda版本。
首先进行基于python版本对应的pytorch版本选择，然后进行与pytorch版本对应的torchvision版本
右键打开控制台，虚拟环境激活到your_envName（输入命令conda activate your_envName），cd到上面离线包的路径下，输入命令conda install pytorch文件名称 和conda install torchvision文件名称，随后等待安装完成即可。例如：conda install pytorch-1.8.1-py3.7_cuda10.1_cudnn7.6.3_0.tar.bz2 conda install torchvision-0.9.1-py37_cu101.tar.bz2
(2)在线安装
进入pytorch官网，选择Previous Pytorch Versions可查看所有历史版本，根据服务器的cuda版本和python版本选择对应的在线安装命令。例如pip install torch==1.9.0+cu102 torchvision==0.10.0+cu102 torchaudio==0.9.0 -f https://download.pytorch.org/whl/torch_stable.html or
conda install pytorch==1.9.0 torchvision==0.10.0 torchaudio==0.9.0 cudatoolkit=10.2 -c pytorch
虚拟机中任意文件夹位置，右键打开终端，输入命令conda activate your_envName，该命令会进入到your_envName虚拟环境中
接着输入上面的在线安装命令进行安装即可，若显示安装失败 说明国内访问外网conda源不稳定，需先进行清华源配置，然后再执行在线安装命令。
第一次我是用离线安装的方式进行了，显示是安装成功，但是最后进入python环境，输入命令import torch会报错，提示少了一个动态链接库，OSError: libmkl_intel_lp64.so: cannot open shared object file: No such file or directory；带着问题去百度搜了一下，看了几个教程后，修改了一个配置文件，添加了几行代码，最后没修改成功就放弃了，最最后使用在线安装的方式重新覆盖掉旧的pytorch和torchvision解决了问题。就个人觉得使用离线包安装很容易出现一些意料之外的错误，还是在线安装比较靠谱，当然也可能是我这个版本的pytorch文件包有问题吧哈哈。
5.安装第三方依赖包
pytorch安装好后，一个基本的深度学习环境就搭建好了。如果需要跑一些经典的开源深度学习模型，肯定会涉及额外的第三方依赖包，这就需要通过conda或者pip再额外进行安装。未连网安装只能乖乖的先去下载离线包，然后输入命令conda install 离线包名称。另外如果依赖包是整个github项目库，则可以先git拉取下来到服务器，根据项目库说明文档进行安装即可。
6.复制已创建的虚拟环境文件夹到服务器
复制your_envName文件夹到服务器anaconda3/envs/目录下，有时候因为内部文件夹太多xftp会提示“遇到不适当参数”报错，导致整个文件夹上传失败。建议本地先zip一下，然后上传到服务器，最后在anaconda3/envs/目录下打开xshell，输入命令unzip your_envName解压文件夹即可。
至此，当服务器不能访问外网时，通过在linux系统创建深度学习虚拟环境，然后拷贝到服务器的工作就结束啦，前提是保证虚拟机中的anaconda和服务器上anaconda的安装目录一致即可使用。
二.服务器连接外网下如何搭建
能连外网的情况下创建环境非常简单，半小时就可以搞定，省时省力贼拉快！
1.创建python虚拟环境
通过xshell连接到服务器，输入命令conda activate（先进入base环境），接着输入命令conda create -n your_envName python=x.x(x.x是指定的python版本，比如3.6、3.7)；该命令会在anaconda3安装目录envs文件夹下生成一个文件夹，名称为your_envName。
2.安装深度学习pytorch框架
输入命令conda deactivate(退出base环境)，cd到your_envName目录，输入命令conda activate your_envName（激活your_envName环境），接着进行在线or离线的方式进行pytorch和torchvision版本安装。
3.安装第三方依赖库
pytorch安装好后，一个基本的深度学习环境就搭建好了。如果需要跑一些经典的开源深度学习模型，肯定会涉及额外的第三方依赖包，这就需要通过conda或者pip再额外进行安装。输入命令pip install 依赖包名称。
