深度学习环境搭建

前言

因为一些原因，我需要更换一台新的服务器来跑深度学习。

这篇文章记录了我在新的远程服务器上搭建深度学习环境的过程。

基本情况

本人采用笔记本电脑连接远程服务器的方式跑深度学习代码。

笔记本电脑环境：

远程服务器环境：

环境搭建

1. 创建用户

在 powershell 中连接远程主机：

ssh xxx@xxx.xxx.xxx.xx

创建用户：

sudo useradd -m username

-m 选项可以创建用户主目录 /home/username 。

设置密码：

sudo passwd username 

运行上面的命令后，输入两次密码即可。

将用户添加到sudo组

usermod -a -G sudo username

小插曲

当我使用 su username 从管理员用户切换到新创建的用户后，发现命令行只显示一个提示符：

这种情况下，不能使用⬆️、⬇️键查找历史命令，很不方便。

解决方法是直接输入（每次登录都要重新输入）：

bash

或者：

chsh

在 Login Shell [/bin/sh]: 后输入 bin/bash 。以后每次连接都会默认使用 bash 。

2. 在vscode上配置远程

VSCode使用Remote SSH连接远程服务器 - 知乎 (zhihu.com)

3. 安装miniconda

Miniconda — Anaconda documentation

按照官网提示输入如下指令：

mkdir -p ~/miniconda3
wget https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh -O ~/miniconda3/miniconda.sh
bash ~/miniconda3/miniconda.sh -b -u -p ~/miniconda3
rm -rf ~/miniconda3/miniconda.sh

~/miniconda3/bin/conda init bash
~/miniconda3/bin/conda init zsh

重启终端后，即可正常使用 conda 命令。

4. 创建并激活环境

conda create --name pytorch python=3.11 -y
conda activate pytorch

5. 安装深度学习框架

pytorch

Start Locally | PyTorch

根据系统类型和 CUDA 版本选择安装版本：

按照提示执行命令：

conda install pytorch torchvision torchaudio pytorch-cuda=12.1 -c pytorch -c nvidia

安装完成后检查 GPU 是否可用：

未完待续。。。