科研GPU环境配置-快让师兄弟们优雅地享受共享环境吧！

优雅永不过时，这里列举我对实验室4090显卡的操作，目的是为了让实验室所有人都有隔离的沙盒环境，节省硬盘以及更方便

• 系统：Ubuntu 22.04
• 显卡不限型号

英伟达驱动安装

略，网上教程很多

CUDA和CuDNN安装

当我们安装好驱动，一般来说输入nvidia-smi就能看到支持的最高CUDA版本，在conda虚拟环境就可以任意安装最高CUDA以及以下版本

但是为了有时候可以直接使用，于是也在服务器安装了一个版本

CUDA安装教程跟随英伟达官网，so easy，如果有提示cp一个key，按照提示即可，然后就能安装。

接下来，我与网上处理方式不一样的是，我在/etc/bash.bashrc加入

export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/cuda-11.8/lib64
export PATH=$PATH:/usr/local/cuda-11.8/bin
export CUDA_HOME=$CUDA_HOME:/usr/local/cuda-11.8

这样所有用户都能使用了。放在/etc/profile目录会造成非root无法读取。

输入nvcc -V验证

---

注意对应好版本对应关系！

CUDNN，我使用deb方式安装，这可比压缩包方便。

sudo dpkg -i cudnn-local-repo-${OS}-8.x.x.x_1.0-1_amd64.deb
# # # # Import the CUDA GPG key.
sudo cp /var/cudnn-local-repo-*/cudnn-local-*-keyring.gpg /usr/share/keyrings/
# # # # Refresh the repository metadata.
sudo apt-get update
# # # Install the runtime library.
sudo apt-get install libcudnn8=8.x.x.x-1+cudaX.Y
# # Install the developer library.
sudo apt-get install libcudnn8-dev=8.x.x.x-1+cudaX.Y
# Install the code samples and the cuDNN library documentation.
sudo apt-get install libcudnn8-samples=8.x.x.x-1+cudaX.Y

python pip国内源统一设置

在/etc/pip.conf输入国内源的配置，这样以后所有用户都不用再单独配置了。

在ubuntu上安装miniconda虚拟环境实现多用户共享访问

前言: 本文根据知乎扩充而来

本文将实现：

1. root用户安装
2. root共享环境
3. 多用户自行创建环境且隔离

软件下载与安装

我喜欢下载miniconda，anaconda太大了，没有必要，建议通过清华软件源快速下载。

su root
sudo bash xxx.sh

• 回车开始安装
• 阅读并输入 yes
• 指定安装目录，例如 /opt/miniconda3。
• 等待安装完成

使用vim编辑/etc/bash.bashrc

在末尾添加

export PATH=/opt/anaconda3/bin:$PATH
/opt/miniconda3/bin/conda init bash >/dev/null

然后source /etc/bash.bashrc更新

接下来给目录赋予权限

chmod 777 -R /opt/anaconda3
# 设置子继承，以后文件都是777
chmod -R g+s /opt/anaconda3

这直接让所有人都能够修改,我觉得个人用户环境被隔离，其它人不能修改就很了，大家修改root环境也没啥事，大部分人也不使用root共享环境。

如果非要root共享环境不能被其他人修改，则如知乎一样创建一个用户组。

统一配置 conda设置

在安装目录下新建.condarc文件并写入

envs_dirs:
  - /opt/miniconda3/envs
  - ~/.conda/envs
  # 国内源配置...

由root用户创建的环境会保存在/opt/miniconda3/envs中，所有anaconda组成员都可以访问。

用户自己创建的环境则会保存至~/.conda/envs中，但是所有下载的pkg会共享在/opt/miniconda3/pkgs中，即如果是别人装过的包（比如下载缓慢的PyTorch）则不用重新下载。

关于umask

前述文件共享的机制是通过组读写权限完成的，意味着 anaconda 的文件需要有用户组的读与写权限。普通用户的默认 umask 是 0002，提供了用户组写仅限，但 root 用户的0022并没有。因此在使用 root 用户创建共享环境前需要修改 umask。

umask 0002
conda create -n env_name python  # 示例
umask 0022  # 你可能会想恢复原值

否则会导致其它用户无权访问某些新下载的包的缓存等问题。在这种情况下，可以找到相应的文件并为其附加用户组写权限chmod g+w。

挂载机械硬盘

一些大数据文件在这上面，有利于节省固态硬盘的空间

1. 通过df -T -h查看什么盘，比如是*/dev/sda1*

2. 创建挂载点，mkdir /data

3. 挂载硬盘 mount /dev/sda1 /data

4. df -h查看结果

5. 查看硬盘id，sudo blkid /dev/sda1,复制UUID

6. 开机启动自动挂载vim /etc/fstab

   #加入

   UUID=15b8a971-c3a1-40c5-8c99-92c3b67266a0 /data ext4 defaults 0 0

7. sudo mount -a

8. sudo rebot

有了机械硬盘，我们可以把conda虚拟环境都搬上面

我们修改安装目录的.condarc文件

envs_dirs:
  - /data/conda/envs
  - /opt/miniconda3/envs
 pkgs_dirs:
  - /data/conda/pkgs

同时对/data/conda目录设置777权限和子文件权限继承

虽然这样移动到机械硬盘上了，但是都在envs文件，理论上用户环境隔离，可是同名文件夹还是会冲突，因此

建议每个新用户都在自己目录新建.condarc，

cd ~
sudo vim .condarc
# 再增加一条这个，就不会冲突了
envs_dirs:
 - /data/conda/envs//envs

以一个用户名多一层目录，怎么样都不会冲突

内网穿透

使用我之前发的教程

创建新用户名

我之前喜欢一个CSDN博主提供的一个办法，但我发现他的办法还要往/etc/sudoers/写数据，写之前还要修改权限，太麻烦了，而且哪天要把毕业人的账号给删了，还要修改文件，权限…头大，这时候我发现了好办法,只需要三步:

1. 切换root账号：su，或者不切换，用一个有sudo权限的用户，即可。

2. 使用命令添加：adduser

3. 直接添加到sudo用户组即可，不用再配置文件了：adduser sudo or usermod -aG sudo dyedd
   

4. 其实还有第四步，也就是重新登录用户。