1,下载xhsell xftp — 连接服务器的可视化界面
下载免费的xshell xftp 方法:
在 https://www.netsarang.com/zh/free-for-home-school/
填写信息,姓名随便填,邮箱必须有效,下载链接会通过邮箱发给你
2,安装xhsell xftp —> 运行 —> 登陆,连接服务器(用你师兄师姐提前给你申请的账号密码登陆)
3,在服务器上安装anaconda(师兄给我装好了。我就不说怎么装了,附个安装教程https://blog.csdn.net/ychgyyn/article/details/82258136)
anaconda 里面是包含 python 的
4. 给conda配置环境变量,要修改这个文件:~/.bashrc
(网上说要修改/etc/profile或者/etc/bashrc , 请不要这么做,这个文件是全局的配置,傻不拉几地按照网上地教程改,被师兄鄙视了)
进入到~/.bashrc文件:
vi ~/.bashrc
(不要按照网上说的 ,sudo vi ~/.bashrc , sudo是要有管理员权限的,你肯定没有这个权限的)
进入编辑模式: i
在文件末尾添加这2句话:
#Anaconda
export PATH=$PATH:/home/wn/anaconda3/bin
4-2.配置cuda的环境变量
(cuda 是运行gpu版本的pytorch和tensorflow必须的,反正是用来操作gpu的,装cuda很大,实验室服务器在根目录装一个就好了,别担心,师兄师姐肯定已经装过了,你要做的就是给cuda配置环境变量)
-
结束编辑,依次操作:
ESC
:
wq (wq是保存并退出,q是退出,不保存) -
载入刚刚修改过的文件:
source ~/.bashrc
-
输入conda 测试,可以看到已经有conda命令了
-
创建python 3.6的运行环境
conda create -n mri python=3.6
删除
conda remove -n mri --all
-
和激活环境
#Linux
source activate your_env_name#Windows
activate your_env_name -
通过pip list 或者 conda list 可以查到所有安装包的信息,太多看花眼,下面是我需要的包
pythorch torchvision 本地安装:
conda install --use-local anaconda3/pkgs/pytorch-1.0.1-py3.6_cuda9.0.176_cudnn7.4.2_2.tar.bz2
conda install --use-local anaconda3/pkgs/torchvision-0.2.2-py_3.tar.bz2
numpy
matplotlib
安装opencv
安装tensorflow-gpu
还要安cudatoolkit
cudatoolkit,其主要包含应用程序在使用 CUDA 相关的功能时所依赖的动态链接库。在安装了 cudatoolkit 后,只要系统上存在与当前的 cudatoolkit 所兼容的 Nvidia 驱动,则已经编译好的 CUDA 相关的程序就可以直接运行,而不需要安装完整的 Nvidia 官方提供的 CUDA Toolkit
安装pytorch-gpu
11.检测gpu版本
import tensorflow as tf
import torch
print(tf.test.is_gpu_available())
print(torch.cuda.is_available())
12 插曲:检查CUDA Runtime Version 和 CUDA Driver Version
前者:是你自己在系统上安装的cuda版本,是你跑深度学习模型或其它程序调用的cuda版本
查看:nvcc -V ((前提是你正确安装了cuda并将cuda加入了环境变量))
后者:是显卡自带的一个驱动
查看:nvidia-smi
CUDA Driver Version和CUDA Runtime Version的版本不必非要一致,但CUDA Runtime Version要<=CUDA Driver Version
- 准备数据
第一次见这种文件,鬼知道还要解压的,今天大概是上天眷念,突然想着是不是可以解压,果然要用linux命令解压
解压:
tar -xzvf mrimages.tar.gz -C tmp/
神奇的 .mat格式的数据就来了