centos8配置深度学习环境

9 篇文章 0 订阅
3 篇文章 0 订阅

1.

yum update -y

2.

yum -y groupinstall "Development tools"

3.

yum install openssl-devel bzip2-devel expat-devel gdbm-devel readline-devel sqlite-devel psmisc libffi-devel

11.下载miniconda源

​
wget https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh​

12. 安装Miniconda

bash Miniconda3-latest-Linux-x86_64.sh

13.bash命令进入conda环境(按顺序做)

source /YOUR_CONDA_PATH/bin/activate base(环境名称)
或者直接使用bash命令(推荐,不行再用上面这个)

14.

pip install jupyter d2l torch torchvision -i https://pypi.doubanio.com/simple

15.打开jupyter notebook显示Running as root is not recommended. Use --allow-root to bypass

        a.使用jupyter notebook --generate-config生成jupyter配置文件

        b.找到root/.jupyter/jupyter_notebook_config.py文件,修改c.NotebookApp.allow_root=True,      并且去掉前面的#号

16.jupyterlab推荐使用       

pip install jupyterlab

如果只是临时性使用,推荐如下命令运行jupyter:
jupyter lab --ip 0.0.0.0 --port 8888 --allow-root --no-browser

jupyter lab密码配置
1. jupyter server password

永久有效的配制方法,配置文件产生方法见:上面1-1的方法:

使用 jupyter notebook --generate-config 命令生成jupyter配置文件
使用vim ~/.jupyter/jupyter_notebook_config.py打开配置文件,找到或者直接添加如下内容修改相关配置
c.NotebookApp.ip = '0.0.0.0' # listen on all IPs,远程访问时需要配置该项
c.NotebookApp.port = 55555  #jupyter监听的端口
c.NotebookApp.open_browser = False #是否在键入`jupyter`时打开浏览器
c.NotebookApp.password = 'argon2:$argon2id$v=19$m=10240,t=10,p=8$yquzhGfZQd0ul/9aC4F7cQ$qMZffPLzgtukdg51uY6+aQ' #jupyter server密码,生成方法见3的内容。
c.NotebookApp.allow_root = False #是否同意jupyter以root身份运行

 17.本地访问虚拟机或服务器jupyter

        ssh -L8888:localhost:8888 root@ip(47.116.4.154,192.168.27.128)

        此后只需运行jupyter notebook即可访问本地jupyter notebook

18.pip install rise 幻灯片形式打开jupyter notebook

  • 2
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 1
    评论
为了配置一个深度学习环境,你需要一台具备足够计算能力和存储空间的服务器。以下是一些常用的服务器配置建议: 1. GPU:选择一块高性能的图形处理单元(GPU)是至关重要的,因为深度学习任务对计算资源的需求很高。目前,NVIDIA的GPU是深度学习领域最常用的选择,其中包括Tesla、Quadro和GeForce系列。根据你的需求和预算,选择一块适合的GPU。 2. CPU:尽管GPU在深度学习中扮演着重要的角色,但CPU也是必不可少的。选择一颗高性能的多核CPU,可以提供额外的计算能力来支持模型训练和推理。 3. 内存:深度学习任务通常需要大量的内存来存储模型参数和中间结果。推荐选择至少16GB的内存,如果你处理更大规模的任务,可以考虑32GB或更多。 4. 存储:选择一个快速的存储解决方案是很重要的,因为数据读取和写入对于深度学习任务来说是瓶颈之一。固态硬盘(SSD)通常比传统的机械硬盘(HDD)更快,所以建议选择一个大容量的SSD来存储数据和模型。 5. 操作系统:选择一个适合你的需求的操作系统,例如Ubuntu、CentOS等。这些操作系统通常提供了广泛的深度学习软件支持,并且有许多社区和教程可以参考。 6. 深度学习软件:安装和配置深度学习框架(如TensorFlow、PyTorch)和相关的依赖项是必须的。根据你的需求和技术偏好,选择适合你的深度学习软件。 此外,还有一些其他因素需要考虑,如网络连接、电源和散热等。根据你的预算和需求,可以选择购买一台现成的服务器或者自己组装一台。如果你不熟悉硬件选购和组装,可以咨询专业人士或购买预配置深度学习服务器。
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

hithithithithit

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值