Linux服务器CV开发环境配置

目录

root用户及普通用户的配置文件

ZSH安装配置

ssh免密登陆

本地的操作（Mac）

服务器上的操作

本地配置服务器名称

安装Anaconda

配置Python环境变量

配置下载镜像源

配置tensorflow-gpu环境（一路刨坑呜呜呜）

配置pytorch开发环境

---

---

root用户及普通用户的配置文件

修改所有用户的环境变量：/etc/profile文件

只修改root用户的环境变量：~/.bashrc文件

只修改某个非root用户的环境变量：/home/非root用户名/.bashrc文件

ZSH安装配置

参考zsh开源项目：https://github.com/ohmyzsh/ohmyzsh

1. Clone the repository:
   git clone https://github.com/ohmyzsh/ohmyzsh.git ~/.oh-my-zsh
2. Optionally, backup your existing ~/.zshrc file:
   cp ~/.zshrc ~/.zshrc.orig
3. Create a new zsh configuration file
   cp ~/.oh-my-zsh/templates/zshrc.zsh-template ~/.zshrc
4. Show all your shells
   cat /etc/shells 
5. Change your default shell
   chsh -s /bin/zsh

ssh免密登陆

参考博客：https://www.mycheol.com/archives/14/

本地的操作（Mac）

• 首先进入本地~/.ssh目录

cd ~/.ssh

• 在本地生成公钥及私钥：

ssh-keygen -t rsa

• 将本地创建的公钥上传到服务器

先进入服务器查看是否有该目录：

# 查看是否有隐藏目录.ssh
ls -a

# 有的话无需操作，没有的话就创建目录
mkdir -p ~/.ssh

# 上传公钥至服务器
scp ~/.ssh/id_rsa.pub root@hostname:~/.ssh/

---

服务器上的操作

• 使用cat将公钥添加到authorized_keys文件

cat ~/.ssh/id_rsa.pub >> ~/.ssh/authorized_keys

• 修改相应的文件权限

chmod 700 ~/.ssh/
chmod 600 ~/.ssh/authorized_keys

 

---

本地配置服务器名称

• 使用别名登陆服务器

• # 进入本地~/.ssh目录
  cd ~/.ssh
  
  # 创建登录配置文件
  vim config
  
  config文件内容：
  
  Host               alias #自定义别名，可自行修改
  HostName           hostname #替换为你的ssh服务器ip或domain
  Port               port #ssh服务器端口，默认为22
  User               user #ssh服务器用户名
  IdentityFile       ~/.ssh/id_rsa #之前生成的公钥文件对应的私钥文件
  

   

安装Anaconda

1. 下载Anaconda3-2019.07-Linux-x86_64.sh：https://www.anaconda.com/distribution/#linux
2. 将Anaconda3-2019.07-Linux-x86_64.sh上传至服务器用户目录下
3. 安装Anaconda：bash Anaconda3-2019.07-Linux-x86_64.sh
4. 过程中会提示安装路径及是否配置Anaconda环境变量，一路选择yes即可，此处不会更改系统配置文件

---

上面的方式太慢了，从清华镜像源下载，超级无敌快

# 下载
wget https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/Anaconda3-5.2.0-Linux-x86_64.sh

# 安装
sh Anaconda3-5.2.0-Linux-x86_64.sh

配置Python环境变量

1. 打开当前用户下的配置文件；vim .bashrc
2. 在文件末尾添加：alias python='/home/user-name/anaconda3/bin/python3'
3. 消除终端头部的(base)字样,在文件末尾添加：conda deactivate
4. 更新配置文件：source .bashrc
5. 测试系统中Python版本号

配置下载镜像源

• 在用户文件夹下新建.pip文件夹及pip.conf文件，写入：

[global]

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

[install]

trusted-host=mirrors.aliyun.com

• 国内的下载镜像源：

http://pypi.douban.com/         豆瓣

http://pypi.hustunique.com/         华中理工大学

http://pypi.sdutlinux.org/         山东理工大学

http://pypi.mirrors.ustc.edu.cn/         中国科学技术大学

http://mirrors.aliyun.com/pypi/simple/         阿里云

https://pypi.tuna.tsinghua.edu.cn/simple/         清华大学

配置tensorflow-gpu环境（一路刨坑呜呜呜）

• gpu版本的TensorFlow需要与显卡驱动版本、cudnn版本、cuda版本相匹配

查看cuda 版本：cat /usr/local/cuda/version.txt

查看cudnn 版本：cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2

查看显卡驱动版本：cat /proc/driver/nvidia/version或输入nvidia-smi

• 确定版本后，安装指定的TensorFlow版本，先后尝试pip install tensorflow-gpu 与python -m pip install tensorflow-gpu命令安装TensorFlow后均报如下错误：

Failed to load the native TensorFlow runtime

原因可能是安装gpu版本的TensorFlow时通过pip命令安装时未能正确安装所有依赖项，通过conda命令安装就好啦：

conda install tensorflow-gpu

• 然鹅，tensorflow环境配置好后，执行代码会报如下错误：

tensorflow.python.framework.errors_impl.InternalError: cudaGetDevice() failed. Status: CUDA driver version is

insufficient for CUDA runtime version。

该错误原因可能是tensorflow版本过高，默认安装的cudnn与cuda版本均比较高，与显卡驱动可能不匹配。

• conda安装tensorflow时默认的cuda版本不匹配，重新安装指定版本的cuda，cudnn：

1. conda uninstall cudnn
2. conda uninstall cudatoolkit
3. conda install cudatoolkit=9.0
4. conda install cudnn
5. condat install tensorflow-gpu

配置pytorch开发环境

1. 从官网下载速度非常慢而且经常会因为网络问题中断，所以在官网选择指定版本指定环境的pytorch之后，在安装时去掉命令中的 -c pytorch即可，该参数指定从官网下载，去掉后会从本地配置的清华镜像源下载。

   ---

   conda install pytorch torchvision cudatoolkit=10.0 -c pytorch

2. 当新版本出来，清华镜像源还未更新时，可以先从pytorch官网下载离线包，稍后再进行安装，下载过程依然很慢且容易中断，可以后再进行下载。

   ---

   https://download.pytorch.org/whl/torch_stable.html