Tabby连接服务器运行模型代码

零、写在前面

因为最近一项大作业需要复现知识追踪的经典模型，所以要跑DKT等深度学习的模型，而自己的电脑性能又不够强大，所以需要连接导师的服务器跑模型，前后用了两三天去处理，中间也遇到了很多弯路，就权当是记录下自己学习的心路历程。

一、准备事项

1、一款终端工具，我选用的是Tabby Terminal，应该各种工具都差不太多，安装过程比较简单应该是全程傻瓜式操作，也可以参考如下csdn博客：
https://blog.csdn.net/Xminyang/article/details/124516865
2、服务器的IP地址以及连接老师服务器的用户名和密码，这部分应该导师或者是师兄师姐会帮忙建立好。
3、模型代码，就从Github上面搜索即可，语言一般是python。我跑的这部分DKT的csdn博客和GitHub地址如下：
https://blog.csdn.net/qq_40282662/article/details/108896373
https://github.com/YAO0747/study/tree/master/DKT

二、连接服务器

1、更改语言。

2、如下点击。

3、输入服务器ip地址以及自己的用户名，且同时选择以密码的方式连接。
4、开始连接，输入地址并点击enter。


5、输入密码并连接。

6、连接成功

三、配置python环境

1、知识点（环境和解释器）

之前学习python的时候一直也马马虎虎的，因为没有涉及到大的项目，也就没有用到很多包。这两天在学习的过程中才发觉这样的知识点：python程序的运行，需要环境和解释器。

（1）环境

环境用于加载各种包，也就是python中import的内容，环境分为base环境和虚拟环境。

1）base环境

是默认的环境，import的内容可以安装在环境之中，这样程序才能调用运行。

2）虚拟环境

但是最好是不要用哪个包就把哪个包安装在base环境中（默认环境），因为有的项目之间使用的包是互相排斥（或者说互相影响），而这样的排斥（影响）会给编码者带来很多困扰，要多走很多弯路，那么又不能使用完某一个包就卸载掉，那么如何解决这种问题呢？虚拟环境就应运而生了，我们可以为不同的项目设置不同的虚拟环境，一个项目对应一个虚拟环境，某个项目需要哪些包，就在对应的虚拟环境安装哪些包。这样就完美解决了包之间互相排斥（影响）的难题。

（2）解释器

解释器就是python.exe，每个电脑中都会安装python，python的版本可能是不同的，一台电脑中可能安装了很多版本的python，比如python2.7，python3.6，python3.8，python3.10等版本，有的项目代码是python3.x写的，所以如果使用安装在电脑里的python2.7就无法运行。这个时候就需要找到电脑中安装python3.x（如果安装了的话，没有安装就去安装）的位置，找到python.exe（如下图）作为本项目代码的解释器。

不过一般最好是只在电脑中安装一个高版本的python就够了。

2、在服务器中配置环境和解释器

（1）安装Anaconda

一般来说，一部已经被师兄师姐使用的服务器应该已经安装过了Anaconda，所以一般来说这一步骤可以忽略，如果没有安装，那么按照如下步骤（因为服务器中已经安装了Anaconda，所以这段是复制的，并没有实操）。
1）下载安装文件
2）安装：
$ bash Anaconda3-2021.05-Linux-x86_64.sh
3）配置环境变量
在/etc/profile文件的未尾添加如下语句（第一行的“=”后面是Anaconda的安装地址）：

export ANACONDA_HOME=/usr/local/anaconda3
export PATH=$ANACONDA_HOME/bin:$PATH

（2）创建虚拟环境

一般来讲，深度学习创建两种环境就够了，一种是PyTorch-GPU；另一种是TensorFlow-GPU。这两个最好不要同时安装，可能会产生一些冲突（影响），详见如下链接：
https://www.zhihu.com/question/353248304?ivk_sa=1024320u
其实我也没有将二者（PyTorch和TensorFlow）安装到一起，只是师兄建议我不要这样做，我也自己好奇查了一下，大意（个人理解）应该是TensorFlow会将整个GPU占满，所以Pytorch就算安装了也无法使用。

1）PyTorch-GPU

（a）创建虚拟环境（name后面的“pytorch_gpu”为虚拟环境的名字，建议加上自己的名字作为前缀以用来区分）

$ conda create --name pytorch_gpu python=3.8

（b）激活虚拟环境

$ conda activate pytorch_gpu

（c）安装pytorch_gpu包

$ conda install pytorch_gpu

2）TensorFlow-GPU

（a）创建虚拟环境（name后面的“tensorflow_gpu”为虚拟环境的名字，建议加上自己的名字作为前缀以用来区分）

$ conda create --name tensorflow_gpu python=3.8

（b）激活虚拟环境

$ conda activate tensorflow_gpu

（c）安装tensorflow-gpu包

$ conda install tensorflow-gpu

(3)安装所项目运行所需要的包

1）pip和conda的区别

详见以下博客：
https://blog.csdn.net/qq_36408250/article/details/115457096
我自己的感受就是conda有时候报错了就是用pip，个人感觉pip的速度要慢很多，我自己安装sklearn库的时候就会报错，搜索了很多方法，也没有解决。

见如下博客：
https://blog.csdn.net/Angeldream123/article/details/126767827
https://segmentfault.com/q/1010000041659110?bd_source_light=4746641
后来使用pip命令就成功下载了，但是速度很慢。

2）使用pip或conda下载

安装包的时候有一个小坑，就是我运行某个文件，报错说我缺少某个包

但是其实不一定要安装这个名字的包，因为1）中我conda install sklearn 就会报错，但是如果我安装scikit-learn就不会报错，所以如果有的时候安装包出错了，看一看是不是这个包有其他的名字

3）使用pip或conda下载

按照项目中所需要的包，使用pip或conda下载即可。

3.1）验证是否安装成功了包（1方法）

（a）进入python编辑器

$ python

（b）输入本行代码，import后面的为自己要安装的包，如果安装成功了那么不会报错，否则会报错。

import torch

3.2）查看安装了哪些包（2方法）

使用以下两种命令之一查看自己安装了哪些包

pip list

conda list

3.3）pip和conda之间仍然有一定的区别

详见以下博客
https://blog.csdn.net/itigoitie/article/details/126938742?spm=1001.2101.3001.6661.1&utm_medium=distribute.pc_relevant_t0.none-task-blog-2%7Edefault%7EBlogCommendFromBaidu%7ERate-1-126938742-blog-125595201.pc_relevant_3mothn_strategy_recovery&depth_1-utm_source=distribute.pc_relevant_t0.none-task-blog-2%7Edefault%7EBlogCommendFromBaidu%7ERate-1-126938742-blog-125595201.pc_relevant_3mothn_strategy_recovery&utm_relevant_index=1

四、运行代码

1、发送代码到服务器

（1）在自己电脑的终端输入以下命令：

scp -r /home/melody/PycharmProjects/Salicon_pytorch-master yang@125.216.241.203:/home/yang/projects

/home/melody/PycharmProjects/Salicon_pytorch-master：是本机的项目文件地址
yang：为自己在服务器上的用户名
125.216.241.203：服务器的ip地址
/home/yang/projects：服务器中要保存文件的位置
参考了以下博客
https://blog.csdn.net/Dabria1999/article/details/109855129

（2）输入密码
这里有个小坑是，终端输入密码是不显示的，连*号都不显示

（3）完成

2、激活虚拟环境

3、进入指定文件夹

cd 20221123/DKT

4、运行代码

5、保存结果

光标放在结果的最后，用侧边滚轮一直找到头部，按住shift，再左键点击结果的最前，cirl+c复制，可以选择粘贴到自己的电脑里，也可以在服务器的相应文件夹内建立一个txt文档，使用vim编辑器保存结果。

运行结果是真的很长

五、琐碎知识点

主要是一些Linux的命令，死去的本科记忆又开始攻击我了。
1、ls：当前目录下的文件都有哪些
2、cd： 进入到某个文件路径
3、cd … ：返回上一级
4、mkdir 文件夹名称：新建文件夹
5、vim编辑器的一些操作
（1）vi 文件名称：编辑该文件（若是不存在则会帮助我们建立）
（2）（1）命令之后，会进入到该文件中，默认是命令窗口，此时敲击键盘是命令，而不是保存内容，敲击i键进入到insert模式开始编辑
（3）编辑好后，点击ESC键退出编辑模式，敲:wq，是三个字符，冒号和wq，为保存退出。:w!是不保存退出。
vim编辑器的一些操作可以学习观看如下视频
https://www.bilibili.com/video/BV1Yt411X7mu/?spm_id_from=333.999.0.0&vd_source=af33f889c908f0b23226dc4a0cda4125