配置服务器

服务器配置

Ubantu 20.04安装

英伟达驱动安装

远程连接(ssh、VNC)

CUDA安装

CuDNN安装

Anaconda安装

Pytorch安装

Ubantu 20.04桌面版安装

下载镜像(iso)文件：

下载网址：https://releases.ubuntu.com/20.04.4/

下载制作工具Rufus：

下载网址：http://rufus.ie/zh/

制作启动盘：

将制作好的启动盘插入电脑后，开机，按F11(或F10按主板型号选择)进入引导界面，然后按F11进入Boot Manager引导管理器，按回车，进入Boot Manager Main Menu界面

然后选择One-shot UEFI Boot Menu 一键UEFI启动菜单

接着选择自己制作好的系统引导优盘，即可进入安装程序。

进入安装程序后，选择Install Ubuntu， 回车直接安装

不要汉化

选择English

然后是键盘布局。同样选择English

如果有服务器配置经验，选择“最小安装”在进行其他配置时，缺少的东西，自己安装

如果是小白，建议选择“正常安装”，这样比较省事。

接下来到了最重要的一步

如果安装双系统建议选择“其他选项”，进行安装

只安装Ubantu系统，也建议选择“其他选项”进行安装。

“清理整个磁盘并安装Ubantu”，是系统自动清除所有的东西，然后安装Ubantu。但是这样可能遇到一个问题，那就是系统没有把Windows里的东西清除干净，可能会留下Windows的引导文件，这样的话，在每次开机时，系统都会让人工选择进入Windows或者Ubantu，比较麻烦。并且在Windows里分的卷也会保留。

分区：

先把之前系统的分区全删掉，这样操作之后，系统就会把内存自动的分为一个1TB的固态硬盘和一个4TB的机械硬盘。

选择1TB的固态硬盘，点击“空闲”、点击“+”、大小：“64*1024MB=65536MB”、选择“逻辑分区”选择“逻辑起始位置”、用于：“交换空间”(换到Windows里面相当于运行内存)

选择1TB的固态硬盘，点击“空闲”、点击“+”、大小：“1024”、选择“主分区”、选择“空间起始位置”，用于:选择“EFI系统分区”(就是Ubantu的引导启动文件)

选择1TB的固态硬盘，点击“空闲”、点击“+”、大小：“剩多少选多少”、选择“主分区”、选择空间起始位置、用于：选择“Ext4日志文件系统”、挂载点：选择“/”（相当于根目录，这样一分，/home、/usr等就相当于里面的一个文件）

点击“现在安装”、再点击继续、

机械硬盘等系统装好后再分也可以。不分卷，不能用

进入系统后，在设置：磁盘（disk）位置、选择4.0TB Hard Disk、点击“+”、分区大小：选择“4001GB（即全部）”、后面的可用空间：选择“0”GB

点击“下一步”

卷名：“自己起名”、类型：选择“只用于Linux系统的内部磁盘(Ext4)(l)”

点击“创建”即可。

时区选择上海

最后是输入电脑的用户名、电脑名称和密码

user@hostname:~$: 

您的姓名：这个好像没啥用

您的计算机名：即为hostname(建议短一点)

选择一个用户：即为user

密码：该user的密码

使用这种方法创建的user具有管理员权限

然后安装程序会安装一些必要的系统软件

重启

拔掉U盘

系统安装好了之后，(如果汉化)先在设置->区域与语言 ->管理已安装语言->汉语->应用到整个系统。更改语言

设置->显示器->分辨率->1920*1080(16:9)

设置->关于 ->图形 (看是否装了NVIDIA的驱动)

软件与更新->附加驱动->选择一个合适版本的英伟达驱动(一部分时英伟达提供(带NVIDIA Server)，一部分是ubantu提供)->应用更改

换源：软件与更新->下载自->阿里云->更新->sudo apt-ged update

远程连接

先换源(阿里云用的比较多)

SSH

首先安装SSH

sudo apt install ssh

安装完之后，需要安装net-tools，用来查看ip地址(也可在桌面的的网络连接处查看)

sudo apt install net-tools

ifconfig

安装完之后，就可以在另一台电脑上ssh远程连接了，使用windows自带的Windows PowerShell即可

连接形式为：ssh user@ip

登录密码为用户密码

(当不知道服务器是否开机时，使用ping IP地址，例如：ping 172.17.27.173,若能接收到回复的信息，说明服务器开机并且运行正常)

VNC安装

安装桌面插件和vnc（安装前最好换源，不然又得文件无法下载成功，下载不成功就无法使用VNC连接）

sudo apt-get install -y gnome-session-flashback

sudo apt-get install -y tigervnc-standalone-server

配置VNC启动文件

先备份文件

mv ~/.vnc/xstartup ~/.vnc/xstartup.bak

nano ~/.vnc/xstartup

xstartup文件修改如下：

#!/bin/sh

unset SESSION_MANAGER

unset DBUS_SESSION_BUS_ADDRESS

export XKL_XMODMAP_DISABLE=1

export XDG_CURRENT_DESKTOP="GNOME-Flashback:GNOME"

export XDG_MENU_PREFIX="gnome-flashback-"

[ -x /etc/vnc/xstartup ] && exec /etc/vnc/xstartup

[ -r $HOME/.Xresources ] && xrdb $HOME/.Xresources

xsetroot -solid grey #设置背景色

vncconfig -iconic & #

gnome-terminal & #连接后会直接打开一个terminal窗口

nautilus & #连接后会直接打开一个文件窗口

gnome-session --session=gnome-flashback-metacity --disable-acceleration-check &

修改完之后保存并退出

执行以下操作

# 赋予权限

chmod +x ~/.vnc/xstartup

#如果出现问题，可以进入日志看看有什么错误显示

sudo nano .vnc/server:1.log # 其中1是端口，开的那个端口看哪个

# 启动vnc

vncserver :1 -localhost no

后面的localhost是指不限本机登陆，1为桌面号，连接时需要在后面接上桌面号

在windows端安装上vnc-viewer，就可以连接了

在SSH处对VNC进行处理

启动VNC:vncserver :2 -geometry 1920x1080 -localhost no（谁开端口是谁的）

关闭VNC：vncserver -kill :2

CUDA和cuDNN安装

CUDA是GPU深度学习的运行库，那么cuDNN就是训练加速工具，两者要相互配合使用，

判断是否已安装CUDA：检查机器/usr/local目录下有没有cuda或cuda-xx.xx文件夹，如果没有，那99.99%说明该机器没有安装CUDA。不要相信nvidia-smi或nvcc --version指令看到的CUDA版本号，那只是代表当前英伟达驱动支持的最高版本的CUDA版本。

CUDA是前向兼容

检测是否安装NVIDIA显卡驱动

查看是否安装NVIDIA显卡

lspci | grep -i nvidia

查看显卡信息

nvidia-smi

如果出现这个样式，说明已经安装显卡驱动了。如果没有驱动，那么就需要手动安装显卡驱动。

（换源）

（sudo add-apt-repository ppa:graphics-drivers/ppa）

（sudo apt update）

检查可安装的驱动：

ubuntu-drivers devices

找到最适合的驱动安装，安装recommended标记的，通常也是数字版本最大的那个。

安装驱动

sudo apt install nvidia-driver-XXX

(最好不要使用：自动安装系统推荐)

如果没有遇到报错，说明安装成功，此时调用nvidia-smi指令可能还是看不到显卡信息，不要担心，重启系统之后就能看到了。

安装CUDA版本号不能高于nvidai-smi显示的版本

Ubuntu 20.04默认g++9版本太高，会导致CUDA无法安装，因此要先降低g++版本。

sudo apt-get install gcc-7 g++-7

sudo update-alternatives --install /usr/bin/gcc gcc /usr/bin/gcc-7 9

sudo update-alternatives --install /usr/bin/gcc gcc /usr/bin/gcc-9 1

sudo update-alternatives --display gcc

sudo update-alternatives --install /usr/bin/g++ g++ /usr/bin/g++-7 9

sudo update-alternatives --install /usr/bin/g++ g++ /usr/bin/g++-9 1

sudo update-alternatives --display g++

然后从官网下载对应的CUDA，除了刚刚提到的GPU支持最大CUDA版本外，还需要考虑Pytorch对应的CUDA版本，

https://developer.nvidia.com/cuda-toolkit-archive

有20.04的就用20.04的，没有就选最大的，一般是18.04。推荐用runfile安装，两句话很简单：

wget https://developer.download.nvidia.com/compute/cuda/11.2.2/local_installers/cuda_11.2.2_460.32.03_linux.run

sudo sh cuda_11.2.2_460.32.03_linux.run

第一句话是下载cuda_xxxx_linux.run脚本，第二句是执行脚本。

在弹出的安装界面中选“continue”，如果选了会跳出安装，就说明安装失败，给了失败日志的路径，自己查看原因，一般是gcc版本问题，上面提到过降级方法，不赘述。

在这一步输入accept

因为驱动已经安装，所以我们不需要安装驱动，选中“Driver”按空格，取消选择驱动安装。其他默认安装。[X]代表有，[ ]代表无。

成功后需要配置一下环境变量，

sudo vim ~/.bashrc

如果没有安装vim，则需要安装vim

最后一行增加

export PATH=/usr/local/cuda-10.1/bin${PATH:+:${PATH}}

export LD_LIBRARY_PATH=/usr/local/cuda-10.1/lib64\

                         ${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}

(特别注意文件夹路径，有时候文件夹直接是/usr/local/cuda，有时候是别的版本号，要确保文件夹存在。)

在写路径时：一些可能用到了Linux操作

(shift+:  输入命令

q      退出

w!     写文件

ctrl+s暂停

ctrl+q恢复 Esc+:wq 保存推出)

更新环境变量

source ~/.bashrc

检查一下CUDA是否安装正确：（文件及路径如上，做相应修改）

cat /usr/local/cuda/version.txt

安装cuDNN

官网下载地址：(需要注册账号)

https://developer.nvidia.com/cudnn

下载后解压(下载tar格式)

解压后执行以下操作

sudo cp cuda/include/cudnn.h /usr/local/cuda-10.1/include

sudo cp cuda/lib64/libcudnn* /usr/local/cuda-10.1/lib64

sudo chmod a+r /usr/local/cuda-10.1/include/cudnn.h 

sudo chmod a+r /usr/local/cuda-10.1/lib64/libcudnn*

(路径要做相应修改)

查看cuDNN版本方法：(注意路径问题)

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

或

cat /usr/local/cuda/include/cudnn_version.h | grep CUDNN_MAJOR -A 2

两者都不显示，也不要紧，最新的cuDNN好像取消了查看版本的功能

安装Pytorch后查看CUDA、cuDNN的方法(建议使用)

python

import torch

# 若正常则静默

a = torch.tensor(1.)

# 若正常则静默

a.cuda()

# 若正常则返回 tensor(1., device='cuda:0')

from torch.backends import cudnn

# 若正常则静默

cudnn.is_available()

# 若正常则返回 True

cudnn.is_acceptable(a.cuda()) 

# 若正常则返回 True

Anaconda、Pytorch安装

按照该视频教程安装即可：(亲测可用)

https://www.bilibili.com/video/BV1rK4y1V7Pv?p=4&spm_id_from=pageDriver&vd_source=63ece0280fbf6a57e0ee5fcab6382ca6

进行远程复制的命令

复制服务器数据到本地电脑

scp [email protected]:/home/zmy/Desktop/water_dataset/yolov5-v6.0/README.md  C:\Users\1\Desktop  

复制本地数据到服务器

 scp C:\Users\1\Desktop\WeChat_20221213212619.mp4 [email protected]:/home/luck/Desktop  

scp -r [email protected]:/home/zmy/Desktop/water_dataset/yolov5-v6.0  C:\Users\1\Desktop