前言

一、服務器登錄

1.1 下載安裝putty

1.2 putty遠程登錄

1.3 查看GPU、顯卡常用命令

1.4 Linux常用命令

二、Anaconda創建虛擬環境并安裝pytorch

2.1 安裝Anaconda

2.2 安裝Pytorch

三、使用FileZilla拷貝檔案至服務器

3.1 下載安裝FileZilla

3.2 使用FileZilla傳輸檔案

四、運行JupyterNotebook

4.1 啟動JupyterNotebook

4.2 切換虛擬環境

五、運行py檔案

5.1 激活虛擬環境

5.2 運行py檔案

前言

眾所周知，使用本地電腦的CPU跑深度學習代碼非常慢，而GPU內在架構做矩陣運算和深度學習的神經網路有著先天的優勢，近期本人找到一臺安裝linux系統的GPU服務器，現將使用程序中摸索的經驗分享給大家，

一、服務器登錄

1.1 下載安裝putty

首先我們要下載putty等軟體進行登錄服務器

下載連接：https://pan.baidu.com/s/1LZ5jl6Sk3-A3lmnDEdZmVA
提取碼：xuof

1.2 putty遠程登錄

雙擊之后出現如下界面，然后輸入服務器的地址（埠號選22），然后點擊open進入登錄界面

進入服務器linux操作界面，如下圖，輸入密碼（輸入的具體內容不顯示，輸入完點擊Enter即可）

查看顯卡詳情命令：nvidia-smi

從上圖可以看到我們GPU的基本配置，記憶體為24G，當前有1.5G左右在運行pyton代碼

1.3 查看GPU、顯卡常用命令

可參考下方博文

查看gpu、顯卡常用命令_heituzii的博客-CSDN博客

1.4 Linux常用命令

可參考下方博文

Linux常用命令大全（非常全！！！）_木頭大左的博客-CSDN博客_linux常用命令

二、Anaconda創建虛擬環境并安裝pytorch

2.1 安裝Anaconda

通過下方連接選擇需要的Anaconda版本

https://repo.anaconda.com/archive/

然后輸入

wget+下載鏈接

若成功會出現如下界面

具體程序可以參考下方博客

如何在Linux服務器上安裝Anaconda（超詳細）_あなたを待って-CSDN博客_服務器安裝anaconda

2.2 安裝Pytorch

首先進入Anaconda安裝目錄

輸入ls查看目錄串列

ls

輸入cd+檔案夾名，進入指定目錄，我在自己本地操作目錄如下

cd anaconda3/envs/

創建一個叫做 'dir1' 的目錄'

mkdir dir1

激活創建的虛擬環境

source activate dir1

安裝pytorch，進入pytorch官網，如下鏈接

Start Locally | PyTorch

選擇自己需要的版本，并獲取相關命令

nvidia-smi查看當前GPU版本，可以看到我使用的GPU版本是11.2安裝11.3版本最契合

conda install pytorch torchvision torchaudio cudatoolkit=11.3 -c pytorch

然后我們需要什么package就在已激活的Anaconda虛擬環境envs中pip安裝即可

putty軟體可同時登錄多個視窗，我們可以在一個視窗中運行代碼，程序中報錯什么package沒有安裝，在另一個視窗中進行虛擬環境安裝相應的package即可

關閉虛擬環境

conda deactivate dir1

三、使用FileZilla拷貝檔案至服務器

3.1 下載安裝FileZilla

鏈接：https://pan.baidu.com/s/1lsoALuEKZkej58ov6bbL2Q
提取碼：31yg

3.2 使用FileZilla傳輸檔案

安裝好FileZilla之后將下載好的檔案拷貝到服務器指定目錄，具體操作步驟比較簡單，可參照這篇博文FileZilla使用ssh連接linux_破陣的專欄-CSDN博客_filezilla ssh鏈接

四、運行JupyterNotebook

4.1 啟動JupyterNotebook

通過cd命令，進入自己的檔案夾（先創建自己的作業檔案夾），然后輸入

jupyter lab

前面加上nohub可以保證在與服務器斷開連接的情況下任然運行代碼，當代碼結果處理是，或者運行程序中可以去output.out檔案中查看日志，此程序中服務器計算資源保持占用，結束之后輸入 Kernel——Restart Kernel..解除占用，或者通過滑鼠箭頭移動到代碼上，右鍵Clear Outputs