华为云GPU服务器深度学习环境搭建

• Author：ZERO-A-ONE
• Date：2021-02-26

​ 想了想还是给华为云做一个环境搭建的文档吧，因为某些私人问题

​ 下面是本人购买的服务器的配置，选择的是按需付费：

• 机型：

• CPU：Intel SkyLake 6151 3.0GHz / Intel Cascade Lake 6278 2.6GHz * 8vCPUs

• RAM：32GB

• GPU：NVIDIA T4 * 1 * 16G

• OS：Ubuntu 16.04 Server LTS

​ 这里的情况是华为云的镜像已经把驱动给我们安装好了，直接就可以看到GPU驱动

root@gpu:~# nvidia-smi
Fri Feb 26 17:36:18 2021
+-----------------------------------------------------------------------------+
| NVIDIA-SMI 418.67       Driver Version: 418.67       CUDA Version: 10.1     |
|-------------------------------+----------------------+----------------------+
| GPU  Name        Persistence-M| Bus-Id        Disp.A | Volatile Uncorr. ECC |
| Fan  Temp  Perf  Pwr:Usage/Cap|         Memory-Usage | GPU-Util  Compute M. |
|===============================+======================+======================|
|   0  Tesla T4            Off  | 00000000:21:01.0 Off |                    0 |
| N/A   55C    P0    30W /  70W |      0MiB / 15079MiB |      0%      Default |
+-------------------------------+----------------------+----------------------+

+-----------------------------------------------------------------------------+
| Processes:                                                       GPU Memory |
|  GPU       PID   Type   Process name                             Usage      |
|=============================================================================|
|  No running processes found                                                 |
+-----------------------------------------------------------------------------+

​ 其它的情况和之前安装华为云的时候差不多，但是华为云默认的用户是root用户

​ 先安装一些必备的库

$ sudo apt-get install python3 python3-pip python3-dev git libssl-dev libffi-dev build-essential

​ 然后从官网里面下载Anaconda的安装脚本

$ wget https://repo.anaconda.com/archive/Anaconda3-2020.11-Linux-x86_64.sh

​ 然后给脚本赋予执行权限

$ chmod +x Anaconda3-2020.11-Linux-x86_64.sh

​ 然后运行安装脚本即可

$ ./Anaconda3-2020.11-Linux-x86_64.sh

​ 就是在安装完之后记得执行一下，才能在命令行里面执行conda指令

$ source ~/.bashrc

​ 先执行这条指令进入Anaconda环境中

$ source activate

​ 执行第一条指令就可以进入虚拟环境中

$ conda activate pytorch3.8-gpu

​ 然后进行安装环境

$ conda install pytorch torchvision cudatoolkit=10.1 -c pytorch

​ 进行测试

(pytorch3.8-gpu) root@gpu:~# python
Python 3.8.8 (default, Feb 24 2021, 21:46:12)
[GCC 7.3.0] :: Anaconda, Inc. on linux
Type "help", "copyright", "credits" or "license" for more information.
>>> import torch
>>> torch.cuda.is_available()
True
>>>