连接远程服务器具体步骤

疫情在家宅家的我，逼不得已开始使用学校的服务器跑程序了。毕竟作为新时代的大学生，要积极响应学校停课不停学的号召。总体来说就是，假可以放，但是毕业不延期。使用学校服务器的步骤还是很繁琐的，记性差的就需要一个手册了。这个版本是脑残版，就是有脑子你就会的那个版本，适合我。省的天天百度自己到底下一步要敲什么，另外，linux命令那么长也不是谁都能记住的。

一、建立连接

首先，你需要有xftp和xshell5两个软件。这个软件可以省掉好多上传文件，连接服务器的命令。下载包自行百度吧，我上次百度了一个破解版还挺好用的，链接找不到了。

然后在xftp上新建一个会话属性。

需要填写你的主机，协议一般都是SFTP，端口号22。这个就按照服务器的接口要求填，不同的服务器要求不同。创建完成后，你就可以把你本地的文件传到服务器上属于你的那个文件了。就是从左边的窗口往右边窗口里粗暴的拖拽。

上传完毕后，点击菜单栏里的xshell5图标，就可以打开命令行窗口了。

然后就是一大串命令行输入了。

首先，需要查看内存里存在的镜像。选择自己程序需要的环境：sudo docker images

窗口会显示一些镜像环境，这些都是服务器内设的环境。需要管理员去维护。

然后我们选择我们需要的环境将文件夹映射到指定的容器中。nvidia-docker run --name 给你的容器起个名字 -it -v /自己文件的地址:/需要映射到的地址（一般为workspace） 镜像地址

这里我们使用python3和TensorFlow18.07版本进行映射

这样我们的映射容器就已经建立成功了。然后输入‘ls’看一眼文件里的内容。

二、运行程序

这个时候就可以准备使用服务器来运行自己的程序了，先看一眼哪个服务器是空闲的。因为是公用的服务器，不能抢占他人的资源呀: nvidia-smi

Volatile GPU-Util为0的服务器，就说明没有人在用，你就可以指定服务器了。

运行程序的命令：CUDA_VISIBLE_DEVICES=指定服务器的编号 python 运行程序名.py

注:图片里多写了一个E，这个命令语句写错了，系统不会提示有错，会直接忽略这个语句。然后他就会使用所有空闲的GPU运行你的程序

三、再次运行

运行完程序以后，想重新运行一次。就可以省略以上好多步骤，因为你的映射已经存在了。直接查找你的映射id，然后连接就可以了。sudo nvidia-docker ps -a 

根据NAME找到自己的ID复制。然后重启自己的镜像。sudo nvidia-docker start 你的id

第二步连接镜像：sudo nvidia-docker attach 你的id

这样就直接可以运行自己的程序了。

四、删除镜像

在程序全部运行完成以后，就可以删除自己的程序啦。这个东西你要不用的话就会占内存。优秀的人儿总会把不用的东西删除掉的。总共分为两步。

第一步：停止镜像：sudo nvidia-docker stop 你的id

第二步：删除镜像：sudo nvidia-docker rm 你的id

ok，完美！