一、前言

服务器重装以后，记录一下重新配置深度学习环境的步骤。

二、配置基础学习环境

1.创建conda环境

登录服务器后，要先创建conda环境。原来会用Anaconda3，但是现在很多实验室都不用完整 Anaconda 了（Anaconda 往往占 5~10GB），一般安装Miniconda（只占约 500MB），环境管理完全一样。

P.S 安装的时候没有发现官方源的问题，应该直接安装Miniforge，默认使用conda-forge的源。如果安装的是Miniconda，换源也没有用，只要还有default，依然走官方源，所以直接安装miniforge最好

方案A：安装Miniforge（实验室多人共用服务器的第一选择）

1.1 下载安装Miniforge

wget https://github.com/conda-forge/miniforge/releases/latest/download/Miniforge3-Linux-x86_64.sh

安装：

bash Miniforge3-Linux-x86_64.sh

激活：

source ~/.bashrc

检查：

conda --version

1.2 配置conda-forge源清华镜像

conda config --remove-key channels

conda config --add channels conda-forge

conda config --set channel_priority strict

conda config --set show_channel_urls yes

conda config --set custom_channels.conda-forge https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud

查看：

conda config --show channels

应该显示

channels:
  - conda-forge

方案B: 安装Miniconda (额外选择)

1.1 下载安装Miniconda

下载：

wget https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh

安装：

bash Miniconda3-latest-Linux-x86_64.sh

激活：

source ~/.bashrc

检查：

conda --version

1.2 配置国内源

服务器在国内的话：

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free

conda config --set show_channel_urls yes

查看：

conda config --show channels

1.3 修改源 （安装Miniforge直接跳过）

先看当前 conda 源：

conda config --show channels

如果显示：

https://repo.anaconda.com/pkgs/main
https://repo.anaconda.com/pkgs/r
defaults

就是默认使用官方源。修改成conda-forge，执行：

conda config --remove-key channels

conda config --add channels conda-forge

conda config --set channel_priority strict

conda config --set show_channel_urls yes

conda config --set custom_channels.conda-forge https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud

检查：

conda config --show channels

会出现类似：

channels:
  - conda-forge

  - default （有这个的话，换源也没用，安装虚拟环境还是会走官方源，所以推荐直接安装Miniforge）

2. 建立通用pytorch环境

现在直接用Anaconda的官方源，会有新的官方源 TOS条款。如果是实验室多人共用的的服务器，建议改成Miniforge的源。

2.1 创建 PyTorch 环境

建议分成多个虚拟环境研究方向。查看虚拟环境：

conda env list

应该出现类似：

base
timeseries
medseg
SimpleTM

VS Code 新的 Python Environments 扩展默认会启用：

"python-envs.alwaysUseUv": true

官方说明：这个设置为 true 时，VS Code 会尽量用 uv 管理环境和包；设为 false 后，只对 uv 创建的环境使用 uv。

我的环境是 conda/miniforge 环境，不需要让 VS Code 强行用 uv。操作：

Ctrl + Shift + P

输入：

Preferences: Open User Settings (JSON)

将配置修改成虚拟环境的配置，可能之前的open配置为本地的，应该修改成虚拟的，比如：

{
    "editor.unicodeHighlight.nonBasicASCII": false,
    "notebook.outline.showCodeCells": true,
    "notebook.outline.showCodeCellSymbols": false,

    "python.defaultInterpreterPath": "/home/用户名/miniforge3/envs/timeseries/bin/python",
    "python.terminal.activateEnvironment": true,
    "python-envs.alwaysUseUv": false,

    "remote.SSH.remotePlatform": {
        "myserver4090-hht-scut": "linux",
    },

    "workbench.iconTheme": "vscode-icons",
    "vsicons.dontShowNewVersionMessage": true,

    "remote.SSH.defaultExtensions": [
        "ms-python.python",
        "ms-toolsai.jupyter-renderers",
        "ms-toolsai.jupyter-keymap",
        "ms-toolsai.jupyter"
    ],

    "terminal.integrated.initialHint": false
}

修改完保存后。

执行：

Ctrl + Shift + P

Developer: Reload Window

重新连接后打开新终端，执行：

which python && python -V && python -m pip -V

应该显示：

/home/用户名/miniforge3/envs/timeseries/bin/python
Python 3.9.x
pip ... /home/用户名/miniforge3/envs/timeseries/lib/python3.9/site-packages/pip

再执行：
python -c "import numpy, pandas, scipy, sklearn, pywt, einops; print('normal packages ok')"

如果这条没报错，普通依赖已经装好了。

2.1.1 创建SimpleTM的虚拟pytorch环境：

执行：

conda create -n SimpleTM python=3.9 -y

conda activate SimpleTM

2.1.2 配置SimpleTM的Pytorch

a.首先要换清华源，不然pip的源太慢了：

python -m pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple

python -m pip config list

看到以下内容：

global.index-url='https://pypi.tuna.tsinghua.edu.cn/simple'

清华 TUNA 的 PyPI 镜像使用说明中给出的就是这个 pypi.tuna.tsinghua.edu.cn/simple 地址。

b.再装普通依赖：

python -m pip install numpy pandas scipy scikit-learn matplotlib einops PyWavelets reformer-pytorch tqdm tensorboard

c.然后安装Pytorch：

激活环境：

conda activate SimpleTM

确认路径：

which python && python -V && python -m pip -V

应该是：

/home/用户名/miniforge3/envs/SimpleTM/bin/python
Python 3.9.x

升级pip基础工具：

python -m pip install -U pip setuptools wheel

先卸载可能残留的 torch：

python -m pip uninstall -y torch torchvision torchaudio

安装 PyTorch 2.7.1 + CUDA 12.8:

2026.6.2最新版Python是3.10-3.14，安装的3.9版本更好兼容；远程服务器的cuda用命令nvidia-smi查看为13.0，强行装最新 cuda13.0，Python 3.9 可能不匹配，PyTorch 官方旧版本页明确提供了 torch==2.7.1 + cu128 的 Linux/Windows pip 命令，兼容性更好：

python -m pip install torch==2.7.1 torchvision==0.22.1 torchaudio==2.7.1 --index-url https://download.pytorch.org/whl/cu128

d.验证 GPU 是否可用:

python -c "import torch; print('torch:', torch.__version__); print('cuda available:', torch.cuda.is_available()); print('torch cuda:', torch.version.cuda); print('gpu:', torch.cuda.get_device_name(0) if torch.cuda.is_available() else 'CPU')"

正常输出应该类似：

torch: 2.7.1+cu128
cuda available: True
torch cuda: 12.8
gpu: NVIDIA ...

e.安装其他依赖：

python -m pip install numpy pandas scipy scikit-learn matplotlib einops PyWavelets reformer-pytorch tqdm tensorboard

多安装一个gpustat：

python -m pip install gpustat

目前基础环境安装完成。