服务器深度学习环境配置

学校提供的服务器，参考意见比较低

公有云操作

打开控制中心

节点选择 山东-青岛20

打开弹性云主机

云主机

系统已经默认了操作系统，如下

操作系统修改：

之后选择合适的即可

xshell连接

注意这里的账号密码不是公有云的密码

深度学习环境配置

显卡驱动

检查

1.nvidia-smi 仅限于nvdia显卡
2. lspci -k | grep -EA3 'VGA|3D|Display' 查看显卡

服务器设备：

前往官网，进行查找下载
官网

根据你需要的CUDA版本进行选择，可以先考虑下你想安装什么版本的pytorch，这个版本的pytorch支持什么版本的CUDA，点击下载即可，注意这里的CUDA是只最高支持的CUDA版本，也是最推荐的CUDA版本（这里选择的系统是linux，这是官方推荐的，建议在云服务器文档中查找）

安装

为方便管理，在root目录下创建tools文件夹，存放所有的安装包
将下载的驱动安装包上传到云主机中，执行以下命令，对安装包添加执行权限。（不要忘记切换目录）

chmod +x NVIDIA-Linux-x86_64-560.35.03.run

安装gcc和linux-kernel-headers。
在最新的Ubuntu系统中，这可能不需要，建议执行，查看输出

sudo apt-get install gcc linux-kernel-headers

执行以下命令，运行驱动安装程序

sudo sh NVIDIA-Linux-x86_64-560.35.03.run --disable-nouveau

选择第一个

关于图形化界面的警告，不管，反正也不用

安装NVIDIA的32位兼容性库，看需求，可以YES，一般没啥大问题

关于Vulkan加载器的警告

第二个，启动项

检查

nvidia-smi

CUDA

检查

nvidia-smi
查看最大支持的CUDA版本，最大为12.6
cat /usr/local/cuda/version.txt
cat /usr/local/cuda/version.json
查看已安装的cuda目录
nvcc --version
已安装的cuda版本

CUDA下载

选择你需要的cuda版本（可以参考你的torch版本需要什么cuda）
链接

命令行下载安装包和工具包

cuda的安装路径

全部升级

配置环境变量

echo 'export PATH=/usr/local/cuda/bin:$PATH' | sudo tee /etc/profile.d/cuda.sh
source /etc/profile

检查

nvcc -V

conda

下载对应的安装包后上传至服务器
链接

sh Anaconda3-2024.06-1-Linux-x86_64.sh

根据指示操作即可
是否默认激活conda的基础环境，选择否，稍后手动配置

进入conda的安装环境

./conda init
source ~/.bashrc

完成