CnetOS环境部署
CentOS是支持自动安装的cuda以及相关驱动的，我们就直接安装吧
测试环境
登录后首先检查系统是否有支持 CUDA 编程的 GPU，使用如下命令查看当前GPU的型号。可以识别出NVIDIA T4
lspci | grep -i nvidia
输入nvidia-smi，这里博主第一次输入时提示没有这个命令，后来重新登录了一下服务器便正常了。
博主很少用CentOS，但其大部分与ubuntu类似,由于系统已经自动安装了CUDA和cuDNN，随后发现里面没有安装Anaconda,我们自己安装一下.
Anaconda安装
首先是下载相关包命令：
wget https://repo.anaconda.com/archive/Anaconda3-2020.02-Linux-x86_64.sh
下载完成后执行
bash Anaconda3-2020.02-Linux-x86_64.sh
进行Anaconda的安装
进入安装程序，提示输入“ENTER”继续(Please, press ENTER to continue)：如下图
随后一直 enter ，实际上是下划操作，这里出现的都是一下许可条例，直到最后提示是否接受，输入 yes 即可
随后提示Anaconda3 will now be installed into this location:
/root/anaconda3，即默认安装在该位置，我们选择默认即可，直接回车
随后便开始安装了，然后提示是否需要初始化，输入yes即可
最终便安装成功了，最后执行
source ~/.bashrc
便可以使用了如下图所示：
然后我们可以像先前一样创建环境，激活环境，安装相应包。
conda create -n test python=3.8
source activate test
conda install pytorch==1.12.0 torchvision==0.13.0 torchaudio==0.12.0 cudatoolkit=11.3 -c pytorch
完成后退出conda虚拟环境
source deactivate your_env_name(虚拟环境名称)
也可使用conda deactivate退出，如下第一次是退出test虚拟环境，第二次是退出base,回到主目录
完成到这里我们发现即使没有该镜像源，安装环境依旧很快，我们使用conda config --show查看其镜像源，其为:https://repo.anaconda.com/pkgs/main/
连接PyCharm
等待安装完成后我们测试一下其与 pycharm 连接。在此之前创建一个文件夹来存放项目
配置过程与先前一样：首先是setting然后选择SSH
输入密码后选择conda环境：其目录为/root/anaconda3/envs/test/bin/python3.8 然后选择存放程序的文件目录为/root/program
随后我们看到pycharm中加载了相关环境
至此关于CentOS环境下的GPU相关配置便完成了。
其他问题
安装conda后命令行前出现的base，取消每次启动自动激活conda的基础环境
方法一
每次在命令行通过conda deactivate退出base环境回到系统自动的环境
conda deactivate
方法二
通过将auto_activate_base参数设置为false实现：
conda config --set auto_activate_base false
如果反悔了还是希望base一直留着的话通过以下语句来恢复
conda config --set auto_activate_base true
书接上回，将服务器实例重装，这次我们装的是window环境。可以看到这里没有自动安装相关驱动的选项了，这时因为其是收费的，哈哈哈，而且windows环境占用磁盘达到了50G,可以说是很大了，毕竟这款服务器自带的硬盘才只有100G而已。
Windows环境部署
使用实例自带的登录端口：
进入后页面如下,可以看到与我们平时的windows系统相差无几
其配置过程也如同我们使用本地一般。这里就不赘述了，而且刚刚用了一下，很卡。不建议使用。
