远程服务器搭建GPU版的Pytorch框架

远程服务器搭建GPU版的Pytorch

​

• .连接linux系统的工具：

putty- 简单易用，占用空间少；
xshell-收费，可以破解；
MobaXterm - 有文件操作列表，可以像windows一样查看每个目录的文件，可以更清楚每个文件存放的位置。功能性较强，可以尝试。

• 文件传输工具-本地电脑向服务器传输文件或者服务器传输文件到本地电脑:

FileZilla-只需输入远程服务器的ip地址和端口即可，功能比较齐全。
xftp

• .查看远程服务器安装系统的版本和显卡的型号：

查看远程服务器安装的系统版本:
cat /etc/issue

查看显卡的型号：
lspci | grep -i nvidia

红色箭头指的就是显卡的型号，可以进入这个网站进行查询自己显卡的型号，然后下载对应的显卡驱动
http://pci-ids.ucw.cz/mods/PC/10de?action=help?help=pci

查询之后可以看到自己的显卡类型，红色框标记出来的地方就是显卡的型号

驱动安装

• 进入驱动下载的官网 https://www.nvidia.cn/Download/index.aspx?lang=cn
• 然后选择对应的版本进行下载
• 
• 在linux系统中就使用命令进行安装`

```bash
wget https://cn.download.nvidia.cn/XFree86/Linux-x86_64/515.65.01/NVIDIA-Linux-x86_64-515.65.01.run
chmod a+x NVIDIA-Linux-x86_64-515.65.01.run
./NVIDIA-Linux-x86_64-515.65.01.run

如果出现nvidia-installer: Error opening log file ‘/var/log/nvidia-installer.log’ for writing (Permission denied); disabling logging. 这个代码错误的话，一般就是需要用在root用户下进行安装，只需要将用命令

sudo ./NVIDIA-Linux-x86_64-515.65.01.run

• 使用命令进行查看 nvidia-smi
  
• 对这个表格的解读，以虚线为界线，第一部分的第一行就是
• nvidia-smi命令的版本
• 显卡驱动的版本
• cuda的版本
• 后面第二部分和第三部分是显存和显卡的使用率

安装conda

wget https://repo.anaconda.com/archive/Anaconda3-2020.07-Linux-x86_64.sh
chmod a+x Anaconda3-2020.07-Linux-x86_64.sh
./Anaconda3-2020.07-Linux-x86_64.sh

现在安装完成了，然后使用命令加载一下环境变量。

source ~/.bashrc

至此，环境安装成功。

结果显示

• 查看是否有cuda、cuda的版本、显卡的个数和显卡的名称
  
• 后续，可以自己搭建深度学习的环境来学习。

​