Ubuntu20.04服务器深度学习环境配置教程以及基于Win10的VScode远程连接开发
Ubuntu20.04服务器深度学习环境配置教程以及基于Win10的VScode远程连接开发
- 一. 介绍
- 二. 安装教程
-
- 1）Ubuntu20.04系统安装
- 2）显卡驱动安装
- 3）cuda安装
- 4）anaconda3安装
- 5）pytorch-gpu安装
- 6）VS code远程连接
一. 介绍
本文主要介绍服务器上的深度学习环境配置，以及如何利用本地机器来远程连接使用服务器。
二. 安装教程
1）Ubuntu20.04系统安装
一般服务器自带启动盘，一直yes就行了。
安装成功后，打开终端，把相应的配置更新一下：
sudo apt update
sudo apt upgrade
2）显卡驱动安装
这里有很多安装教程，介绍一种常用的一种最简单的。
1）常用的方法
以下命令在终端依次执行
# 卸载已有驱动
sudo apt-get --purge remove nvidia*
sudo apt autoremove
sudo apt-get --purge remove "*cublas*" "cuda*"
sudo apt-get --purge remove "*nvidia*"
# 安装推荐驱动
sudo ubuntu-drivers autoinstall
# 重启
sudo reboot
2）最简单的方法
选择设置中的【软件和更新】-【附加驱动】，选择如下图所示。
然后在终端测试一下，是否安装成功
nvidia-smi
显卡驱动安装成功，同时要注意我们显卡驱动的版本为515.65.01，
它能够支持安装cuda的最高版本为11.7，后续安装的cuda版本要小于11.7。
3）cuda安装
本文安装的是cuda 11.3，其他版本类似。
进入官网 https://developer.nvidia.com/cuda-toolkit-archive
cuda 11.3.0/11.3.1 随便选一个就行，这里我选择11.3.1，选择之后进入了下面这个页面，按照我这个选：
随后就会生成下载链接：
在Ubuntu终端执行：
wget https://developer.download.nvidia.com/compute/cuda/11.3.1/local_installers/cuda_11.3.1_465.19.01_linux.run
等待下载后，在终端继续执行：
sudo sh cuda_11.3.1_465.19.01_linux.run
等待几分钟后，弹出一个页面：
执行到这里要注意：先选择[X] Driver 按下回车键，后选择Install
cuda安装完成，但还要将其放入环境变量中，在终端执行：
# 加入环境变量（在终端执行）
sudo vi ~/.bashrc
# 添加以下内容（在弹出的页面最下面添加并保存）
export LD_LIBRARY_PATH=/usr/local/cuda-11.3/lib64$LD_LIBRARY_PATH
export PATH=/usr/local/cuda-11.3/bin$PATH
# 执行（在终端执行）
source ~/.bashrc
最后，在终端输入检查一下cuda是否装好：
nvcc -V
系统显示我们已经装好cuda 11.3
4）anaconda3安装
# 下载安装Anaconda（在终端执行）
wget https://repo.anaconda.com/archive/Anaconda3-2022.05-Linux-x86_64.sh
bash Anaconda3-2022.05-Linux-x86_64.sh
# 加入环境变量(在终端执行)
sudo vi ~/.bashrc
# 添加（在弹出的页面下面添加）
export PATH="/home/username/anaconda3/bin:$PATH"
# 执行（在终端执行）
source ~/.bashrc
5）pytorch-gpu安装
使用anaconda创建自己的环境成功后，激活自己的环境，执行如下代码
conda activate name
# name 处是你刚刚创建环境的名字
pytorch官网 https://pytorch.org/get-started/previous-versions/
下面是对应版本：
pytorch官网上有conda和pip两种下载方式。
11.3的cuda和12.0的pytorch可以兼容，本文安装12.0的pytorch
这里安装的时候注意，pytorch服务器在国外，直接安装比较慢，可以用国内的源，这里有时间再说，直接在终端复制下面的：
conda install pytorch==1.12.0 torchvision==0.13.0 torchaudio==0.12.0 cudatoolkit=11.3 -c pytorch
这个不成功试试下面这个：
pip install torch==1.12.0+cu113 torchvision==0.13.0+cu113 torchaudio==0.12.0 -f https://download.pytorch.org/whl/torch_stable.html
在终端测试pytorch是否安装成功，首先要激活刚刚建的虚拟环境，然后操作如下：
6）VS code远程连接
vscode安装教程不说了，第一步在Ubuntu服务器上安装ssh
# 安装SSH-Server
sudo apt install openssh-server
# 开启防火墙，放行22端口
sudo ufw enable
sudo ufw allow 22
然后从本地电脑官网 https://code.visualstudio.com/Download 下载 VS code
运行VS Code，在左侧点击拓展并搜索Remote-SSH安装插件。
在VS Code左下角点击SSH按钮，在上方选择打开SSH配置文件。
选择第一个路径。
Host 后面自己设置名称，HostName 后添加Ubuntu服务器的IP地址，User 后面添加Ubuntu服务器的登录用户名。
在VS Code左下角点击SSH按钮，在上方选择打开SSH链接。
选择需要访问的服务器 
在弹出的窗口中，输入服务器对应用户名的登录密码，完成SSH连接。
然后，打开服务器中的程序或程序文件夹运行进行测试，可能会需要再次输入密码，VS Code会自动安装需要的拓展（如Python和Jupyter Notebook），请留意右下角的提示，点击左下角可选择服务器中的运行环境。
关于ubuntu配置深度学习环境踩的坑，为未来的自己提个醒
pytorch 应当在 anaconda虚拟环境里安装，不然会安装到liunx自带的python里。
如何配置如下：
1、先把电脑设置成独显模式，可以按F2进入bios设置，或者进入windows设置
2、安装nvidia对应的驱动，建议手动安装，在官网需要对于的显卡驱动
3、安装cuda，cuda 是基于nvidia上的一个有助于nvidia显卡跑深度学习网络的一个东东
4、再安装anaconda，并新建一个虚拟环境，且激活
5、在此虚拟环境里安装cudnn（一个针对深度学习的库）
6、在此虚拟环境下安装pytorch-gpu
切记，cudnn 和pytorch-gpu最好都在虚拟环境里安装，免得安装到liunx自带的python里了
————————————————
版权声明：本文为CSDN博主「爱玩的攻城狮」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/qq_45567823/article/details/126652225