镜像
关于拿到一个服务器,一定要先把原镜像更换成清华镜像,因为如果不更改,下载一些使用pip或者conda的情况下,就会下载速度奇慢无比,一般使用conda最好,但有时使用pip效果最好。
例如下载pandas时,因为由于连接的外网,导致网速较差,使用conda的时候,我使用的服务器由于网速较差,使用conda直接会在处理环境时就会没时间处理,直接报错,所以更换镜像,conda下载不下来的时候,尝试使用pip,如果两者都下载不下来的情况下,直接在官网上将压缩包下载,将压缩包上传至服务器上即可。
压缩文件:gz格式
tar -zxvf pandas-1.4.3.tar.gz
cuda
由于linux操作系统,在conda调用环境时,可能存在以下几重情况:
source + activate + 环境
conda + activate + 环境
依据创建环境时的给出的建议,选择对应的版本的cuda,避免因为造成的版本不匹配而报错
对于cuda可以在主环境上面进行创建不同版本的cuda,通过修改环境变量,因此就能把不同版本的cuda直接调用,这样就不会发生报错问题了。
查看环境的代码
conda info --envs
删除环境的代码
conda remove -n 环境名 -all
增加环境
conda creat -n 环境名 python=3.8
服务器调用python程序
python 文件名.py #要在路径下
服务器在后台继续运行
nohup ./运行的文件 &
查看服务器的GPU是否还在使用中
nvidia-smi
输出的图像处理过程
由于在服务器上跑程序不能输出图片,因此只能通过将图像保存到路径下,通过协议将图像输入到window主机上面查看,这就是虽然有GPU加速运算的好处,但也存在着劣势,传送文件比较麻烦。
通过调用不同的程序,可以直接在xftp中直接修改,就避免了由于不断地在原系统上进行修改造成问题。
调用不同的GPU
CUDA_VISIBLE_DEVICES=0 python train.py
总结
我是一个小白,第一次使用服务器跑深度学习,在此非常感谢我的老师对我的帮助,给我开了三四次会议帮我解决问题,非常感谢老师,手把手的教导,让我有了对服务器的使用有了巨大的提升,感谢感谢感谢,呜呜呜