服务器上安装深度学习环境（无root权限）

更新一下服务器的安装，这个玩意不是专业人员操作真的容易自闭，所以安装不好的童鞋们赶紧抱大腿。

我用的是别人的服务器，不是自己的，总结一下自己安装步骤和用到的指令，我的安装是基于没有root权限下面的安装，服务器cuda和cudnn是已经安装好了的。

安装完anaconda之后直接进入base环境，当然没进入base环境也安装不了jupyter，原因不清楚，在外部环境会no such file，不过我安装完了base环境就被删了，不清楚原因，base环境删了但是安装的东西能用。
进入base环境：conda config --set auto_activate_base True
退出就需要把True改成False

第一步：安装anaconda

1.通过xftp传输下载Windows系统的anaconda到服务器。
下载地址:
anaconda下载地址
首先打开xftp:

成功会出现下面的界面，然后将左边的文件拖入右边框中：

2.在服务器中的Linux中安装程序：

 bash Anaconda3-2020.02-Linux-x86_64

Do you accept the license terms?yes
Do you wish the installer to initialize Anaconda3?yes
Do you wish to proceed VScode？No

 source .bashrc
 pip list

出现上述图片就成功啦！

第二步：安装keras

为什么安装keras，我的tensorflow-gpu版本用不了，最后介绍安装方法。

  conda install keras-gpu

可以看到它会自动帮我们安装cuda9.0、tensorflow1.9、keras-gpu-2.2.2等，省去了安装cuda的麻烦，所以直接输入yes，静等它下载安装完成即可！
keras和tensorflow匹配的版本：版本

第三步：安装jupyter notebook

要检查pip，conda是不是能用，这个只有管理员才能解决，没问题的话我们直接进行下一步，以下步骤都是在base环境安装的
1.安装jupyter

   pip install jupyter

2.安装好了先配置环境

 jupyter notebook --generate-config

3 .设置密码
进入ipython环境（输入ipython指令就行了），设置你的jupyter notebook密码，虽然没用，后面会讲解决方式

In [1]: from notebook.auth import passwd                                                                                                                                                    
In [2]: passwd()                                                                                                                                                                            
     Enter password: 
     Verify password: 
Out[2]:'sha1:94226d8776a2:fda32aaaef068f2852806ecbbc7ba5439558d057'

4.修改配置文件，进入到你的jupyter_notebook_config.py

cd .jupyter
vi jupyter_notebook_config.py

出现下面的界面，然后就可以修改了，直接复制粘贴到文件的任意位置都可以，有些地方还指定了一个路径的，会报错，有且仅要下面四个。

c.NotebookApp.ip='*' # 星号代表任意ip，这个跟mysql的权限设置一样，所以说知识是互通的
 c.NotebookApp.password = u'sha' #就是把生成的密码json文件里面的一串密码放这里
c.NotebookApp.open_browser = False #不自动打开浏览器
c.NotebookApp.port =8888 #可自行指定一个端口, 访问时使用该端口

5.一般教程到这里结束了，这才是最头疼的地方，你可以查看.juyter里面文件，发现少了jupyter_notebook_config.json文件，说明你密码没有配置成功，sha不能用，于是就会出现invalid credential，还是进不去。

那怎么办，当然是重新设置

jupyter notebook password
    Enter password: 
    Verify password: 

只有这样才能生成json文件！！

这个时候要把原来配置好的sha替换掉，可以进入json文件找到sha（也就是哈希密码），

我是直接输入jupyter notebook，然后他会告诉你新的sha与旧的冲突了，把新的sha复制然后输入vi jupyter_notebook_config.py修改了配置文件的sha。
6.最后还要端口映射，打开xshell，步骤是 文件-属性-隧道。
侦听端口是随意设置的，可以8000,1111，但是别冲突了，目标端口和配置文件的端口必须一样。

7.直接输入jupyter notebook然后输入网址
http://localhost:****（侦听端口）
输入密码就结束了

tensorflow-gpu安装

默认安装了tensoflow V2.1版本，但是出现了环境变量的配置问题，之后按照上面的步骤安装keras了。
1.创建虚拟环境

conda create -n tensorflow python=3.6

2.虚拟环境的进入与退出

source activate tensorflow
source deactivate

3.安装
指定镜像安装：

pip install -i https://pypi.tuna.tsinghua.edu.cn/simple/ --upgrade tensorflow-gpu

默认源安装：

 pip install --ignore-installed --upgrade tensorflow-gpu 

到这里就结束了
4.环境变量问题（暫未解決，等更新吧），虽然出现了这个问题，但是我的tf还是能用，检测版本是V2.1。

难道用的是CPU版本的吗？？？？有知道的可以告诉我。

pytorch-gpu安装

1、进入官网pytorch官网，选择与自己服务器对应的版本，复制命令到服务器终端运行。

2、测试安装是否成功

import torch
import torchvision
print(torch.__version__)
print(torchvision.__version__)

测试是否能使用GPU

print(torch.cuda.is_available())

输出为Ture就证明可以，在这里我的输出是False，运行程序的时候，还会出现

RuntimeError: cuda runtime error (999) : unknown error at /pytorch/aten/src/

证明是cuda版本问题，于是将cuda版本从原来的10.1升级到了10.2版本，问题解决！！！！
这里输出True

我在使用的时候遇到的问题：
ImportError: No module named cv2
安装扩展包pip install opencv-python
No module named ‘tensorboardX’
安装tensor包 pip install tensorboardX

服务器指令操作
ll查看所有文件
ls查看当前目录文件
编辑文件 i插入 ：wq保存并退出 ：q强制退出
出现E45: ‘readonly’ option is set (add ! to override) 只有可读权限没有修改权限
保存不了输入：wq！强制保存并退出

参考链接：
1、ubuntu16.04安装及深度学习环境搭建:
https://blog.csdn.net/h19930329/article/details/82534871

2、jupyter notebook配置及远程服务器访问
https://blog.csdn.net/Steve_D/article/details/90316620