从零到一·配环境篇
由于今年要展开大量的编程工作，实验室在用的云计算平台是并行超算云，因此打算在寒假期间先熟悉一下超算云的环境，并从配套的文档和网上的教程开始，从零到一先跑通一个用于音视频分割的模型CATR。
以blog的形式对学习过程进行记录，仅作学习之用。
连接到服务器并配置环境
这一部分主要参考了：
- https://blog.csdn.net/qq_35768355/article/details/132875292
- https://blog.csdn.net/stone_tigerLI/article/details/130724570
使用SSH或Putty连接
首先打开并行超算云可视化界面中的SSH，并点击“连接”以连接到服务器。
由于我们要运行的是python环境下的程序，因此连接到服务器之后，我查看了python的版本。使用命令：python --version。此时查看到的版本是python 2.7.5。显然这个版本是非常低的，我需要的是python 3.8及其以上的版本。
此时要做的是使用Anaconda建立虚拟环境，并在虚拟环境中配置需要的版本，并安装相应的软件包。
module avail && module load
在并行超算云中，在命令行界面使用module avail可以查看可用软件的列表，使用module load来加载需要使用的软件。
比如，使用module avail之后，我能看到可用的软件包括anaconda/2022.10和cuda/12.1，就可以使用module load anaconda/2022.10和module load cuda/12.1来加载这两个软件。
观察到，使用module load anaconda/2022.10之后，再查看python的版本，显示的版本是python 3.9.13。这应该是加载软件之后系统全局的环境，而我们要配置的是虚拟环境，使用conda create --name python38 python=3.8命令来创建一个python版本为3.8的虚拟环境，名曰python38。创建的过程中会出现[y/n]，当然要选择y。
创建虚拟环境完毕后，使用conda env list来查看已经安装的环境，会出现的是刚刚创建的python38和base。此处需要注意，在Linux环境中，想要激活环境，与Windows的conda activate env_name不同，Linux需要使用source activate env_name来进行激活。因此我们使用source activate python38来激活刚刚创建的环境。
使用conda list来查看当前虚拟环境中已经有哪些软件包，及它们对应的版本。
安装torch
由于之前我们已经使用module load cuda/12.1将cuda 12.1加载到了环境当中，因此我猜测可以安装cuda=12.1对应的torch。之所以说是猜测是因为现在我们还没有到实际上传代码运行的阶段，不知道现在安装的torch将来是否与环境产生冲突。
但是就目前而言，可以将cuda=12.1的torch 2.1.2顺利安装到虚拟环境当中。
👆前往torch官网，选择最新版本的pytorch，我们要安装的系统是Linux，虚拟环境是Conda，cuda版本是12.1，因此按照上述选择，使用命令conda install pytorch torchvision torchaudio pytorch-cuda=12.1 -c pytorch -c nvidia来进行安装。
我在安装过程中是非常顺利的，没有遇到任何问题。安装过后，再次使用conda list也可以看到刚才安装的pytorch已经被成功安装到了虚拟环境当中。
至此，主要的环境配置已经完毕。接下来我将会首先进行一个ResNet在Cifar-10上做图像分类的简单测试，来熟悉一下并行超算云进行训练的操作和配置。
