Ubuntu22.04 安装深度学习服务器全纪录

Dragon水魅

已于 2024-07-09 17:10:22 修改

阅读量1.1k

点赞数 1

分类专栏：软件安装及编程的疑难杂症文章标签：深度学习服务器人工智能

于 2023-07-21 17:11:02 首次发布

本文链接：https://blog.csdn.net/qq_43650934/article/details/131844723

版权

软件安装及编程的疑难杂症专栏收录该内容

25 篇文章 0 订阅

订阅专栏

Ubuntu 22.04 安装深度学习服务器全纪录

制作启动盘

参考链接：https://blog.csdn.net/lyx_ok/article/details/129308753

安装 Ubuntu 22.04

将U盘插到服务器上，开机按F11键（具体什么键跟主板型号有关）选择启动项进入临时的 Ubuntu 系统，在图形界面中选择 Install Ubuntu ，所有配置都可以使用默认的，改一下用户名和密码即可。
进入系统后设置一下root账户密码：
```
sudo passwd root
```
同时为了避免每次sudo都要输入密码，这里配置一下visudo：
```
sudo visudo
```
在文件最后加上一句（ name 改为自己的用户名）：
```
name ALL=(ALL) NOPASSWD: ALL
```

重装 Ubuntu 22.04

制作 Ubuntu 22.04 启动盘，操作如上。
开机按F11键，进入 BIOS 系统。
点击 One-shot UEFI Menu ，在 Select UEFI Boot Option 中选择自己的 USB 启动盘。
进入安装系统，点击 try or Install Ubuntu 。

服务器备份

此处使用的备份方法是使用 rsync 与群晖同步，定期备份数据。

安装 rsync：

sudo apt-get install rsync  # 安装 rsync
rsync -V  # 检查版本

登录群晖服务器，点击套件中心，点击 Active Backup for Business：
点击文件服务器——添加服务器——选择rsync服务器——下一步：
填写远程服务器信息，并为此添加备份任务.
选择备份模式，此处选择增量模式。
选择备份目录：此处选择的是：boot，dev，etc，home，opt，root，sys，tmp，usr，var。
创建本地路径，填写任务名称和目的地的路径，以及执行任务的时间和频次。
立即备份。

配置国内镜像软件源

备份原来的源：

sudo cp /etc/apt/sources.list /etc/apt/sources.list.bak

将源的内容设置为清华镜像：

sudo apt install vim
sudo rm /etc/apt/sources.list
sudo vim /etc/apt/sources.list

将其中内容改为：

# 默认注释了源码镜像以提高 apt update 速度，如有需要可自行取消注释
deb https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ jammy main restricted universe multiverse
# deb-src https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ jammy main restricted universe multiverse
deb https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ jammy-updates main restricted universe multiverse
# deb-src https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ jammy-updates main restricted universe multiverse
deb https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ jammy-backports main restricted universe multiverse
# deb-src https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ jammy-backports main restricted universe multiverse
deb https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ jammy-security main restricted universe multiverse
# deb-src https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ jammy-security main restricted universe multiverse

# 预发布软件源，不建议启用
# deb https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ jammy-proposed main restricted universe multiverse
# deb-src https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ jammy-proposed main restricted universe multiverse 作者：贝拉的海 https://www.bilibili.com/read/cv17891624?spm_id_from=333.999.0.0 出处：bilibili

此处强烈建议使用清华源，阿里源的包不全，之后有一个安装问题折腾我好久，换了清华源就好了！！！

更新软件列表：
```
sudo apt update
sudo apt upgrade
```

Python 相关设置

Ubuntu 22.04 系统默认自带 Python3.10 ，有版本需求的话也可以自己安装一下，此处不再自己安装。

更换 pip 清华源：

python -m pip install --upgrade pip
或者 sudo apt install python3-pip
pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple

配置 SSH

在安装完新系统后，先执行更新操作确保在当前Ubuntu系统上安装和启用SSH不会发生冲突，使用sudo来执行更新操作
```
sudo apt update && sudo apt upgrade -y
```
最新的 Ubuntu 22.04 LTS 系统默认没有安装和启用 SSH 服务，因此首先在终端中运行以下命令，执行安装操作：
```
sudo apt install openssh-server -y
```
安装完后，使用systemctl启动SSH服务:
```
sudo systemctl enable --now ssh
```
然后检查SSH服务运行状态，确保服务正常运行并且没有错误输出(显示active running表示服务正常)：
```
sudo systemctl status ssh
```
按 q 退出预览。
SSH 默认使用 22 端口，检查防火墙状态：
```
sudo ufw enable  # 打开防火墙
sudo ufw status
```
之后就可以通过 XShell 等工具远程连接服务器。

配置远程桌面

MS-RDP 方法

需要注意的是，该方法需要 Ubuntu 账户登录后，才可远程连接，若 Ubuntu 用户注销则无法连接。经过测试，该远程方式实际上为远程控制方式，其实不适用于深度学习服务器的配置。
开启 Ubuntu 的共享功能：
设置——共享——开启远程桌面。

认证栏下方的用户名和密码是远程登录时需要填写的用户名和密码，可以和 Ubuntu 系统登录的用户名和密码不一致。但是这里的密码初始时是随机生成，第一次使用时需要修改。

防火墙允许 xrdp 端口：

sudo ufw allow from any to any port 3389 proto tcp

此时，可以通过 win10 自带的远程连接工具连接服务器了。

xrdp 方法

首先在 Ubuntu 系统中设置永不息屏。

执行如下命令：

sudo apt update
sudo apt install xrdp
sudo apt-get install xfce4
sudo systemctl enable --now xrdp  # 启动xrdp服务，并设置为开机自启
sudo ufw allow from any to any port 3389 proto tcp  # 防火墙允许xrdp服务端口

如果多 Linux 用户使用服务器，建议关闭防火墙：

sudo ufw disable

经过测试，远程登录前，需要先注销 ubuntu 系统的登录；结束远程桌面前，也需要先注销登录，不然直接登录 ubuntu 系统时会黑屏。

xrdp 疑难杂症解决办法

经过测试，上述操作已经可以解决远程连接问题，若有其他报错，可参考下述方法。

解决 Job for xrdp.service failed because the control process exited with error code.xrdp 启动错误：

sudo touch /var/log/xrdp.log
sudo chown xrdp:adm /var/log/xrdp.log
sudo chmod 640 /var/log/xrdp.log
sudo reboot

解决 nding ogin info to session manager, please wait…login failed for display 0 启动错误：
将 allowed_users=console 改为 allowed_users=anybody：
```
sudo vi /etc/X11/Xwrapper.config
```

安装 CUDA

进入系统的图形桌面，打开软件更新器，可以看到标签栏有一个附加驱动，选择第一个安装 Nvidia 官方驱动（第二个是开源驱动）即可，安装完重启服务器：
重启完之后更新一下软件：
```
sudo apt update
sudo apt upgrade
```
通过nvidia-smi查看当前显卡驱动版本：
通过https://docs.nvidia.cn/cuda/cuda-toolkit-release-notes/index.html找到与之对应的 CUDA 版本：
再通过https://developer.nvidia.com/cuda-toolkit-archive/下载该版本的 CUDA ：
```
wget https://developer.download.nvidia.com/compute/cuda/12.0.1/local_installers/cuda_12.0.1_525.85.12_linux.run
sudo sh cuda_12.0.1_525.85.12_linux.run --override
```
报的警告选择 continue ：

根据提示选择安装选项，注意不要勾选第一个安装显卡驱动（ driver ）的，因为之前已经安装过了：

安装完成后提示：

根据上图提示需要配置环境变量：

nano  ~/.bashrc

再文件最后加入以下语句（加入的具体内容根据上述输出进行修改）：

export CUDA_HOME=/usr/local/cuda-12.0
export LD_LIBRARY_PATH=${CUDA_HOME}/lib64
export PATH=${CUDA_HOME}/bin:${PATH}

然后使其生效：

source ~/.bashrc

可以使用命令nvcc -V查看安装的版本信息：
进入https://developer.nvidia.cn/rdp/cudnn-archive下载对应 CUDA 的 cuDNN ：

下载好解压：

tar xvf cudnn-linux-x86_64-8.9.2.26_cuda12-archive.tar.xz

进入解压后的目录运行以下命令：

sudo cp include/cudnn*.h  /usr/local/cuda/include
sudo cp lib/libcudnn* /usr/local/cuda/lib64
sudo chmod a+r /usr/local/cuda/include/cudnn*.h 
sudo chmod a+r /usr/local/cuda/lib64/libcudnn*

拷贝完成之后，可以使用以下命令查看CUDNN的版本信息：
```
cat /usr/local/cuda/include/cudnn_version.h | grep CUDNN_MAJOR -A 2
```
表示版本信息为8.9.2。

使用 LXD 实现多人共用

在系统 软件和更新 中的附加驱动中安装 NVIDIA 驱动：

查看驱动版本：
```
nvidia-smi
```

安装 lxd、zfs 及 bridge-utils：

sudo snap install lxd
sudo apt install zfsutils-linux bridge-utils

初始化 lxd：

sudo lxd init

初始化的具体内容如下：

Would you like to use LXD clustering? (yes/no) [default=no]: 
Do you want to configure a new storage pool? (yes/no) [default=yes]: 
Name of the new storage pool [default=default]: lxd_pool
Name of the storage backend to use (ceph, dir, lvm, zfs, btrfs) [default=zfs]: 
Create a new ZFS pool? (yes/no) [default=yes]: 
Would you like to use an existing empty block device (e.g. a disk or partition)? (yes/no) [default=no]: 
Size in GiB of the new loop device (1GiB minimum) [default=30GiB]: 600
Would you like to connect to a MAAS server? (yes/no) [default=no]: 
Would you like to create a new local network bridge? (yes/no) [default=yes]: 
What should the new bridge be called? [default=lxdbr0]: 
What IPv4 address should be used? (CIDR subnet notation, “auto” or “none”) [default=auto]: 
What IPv6 address should be used? (CIDR subnet notation, “auto” or “none”) [default=auto]: 
Would you like the LXD server to be available over the network? (yes/no) [default=no]: 
Would you like stale cached images to be updated automatically? (yes/no) [default=yes]: 
Would you like a YAML "lxd init" preseed to be printed? (yes/no) [default=no]:

创建容器，我的宿主机是ubuntu22.04，可以按需更改：
```
sudo lxc launch ubuntu:22.04
```
查看容器列表：
```
lxc list
```

为了后续方便辨识，修改容器名，原始容器名通过上述的 lxc list 查看：

sudo lxc stop intense-raptor
sudo lxc rename intense-raptor ubuntu22-tmp
sudo lxc start ubuntu22-tmp

为容器添加设备和权限：

sudo lxc config device add ubuntu22-tmp gpu gpu
sudo lxc config set ubuntu22-tmp security.nesting true
sudo lxc config set ubuntu22-tmp security.privileged true

如果服务器或者电脑有多张显卡，这里一定要指定GPU的索引号 id=xxx，例如：

sudo lxc config device add ubuntu22-tmp gpu-tmp gpu id=0

进入容器 ubuntu22-tmp：
```
sudo lxc exec ubuntu22-tmp bash
```
容器默认用户名为 ubuntu ，此处修改为 ubuntu22-tmp：
```
usermod -l ubuntu22-tmp -d /home/ubuntu22-tmp -m ubuntu
groupmod -n ubuntu22-tmp ubuntu
```
此时 /home 文件夹下只剩下 ubuntu22-tmp目录。
更改 ubuntu22-tmp 用户的密码：
```
passwd ubuntu22-tmp
```
修改 root 用户密码：
```
passwd root
```
配置容器的 SSH 连接：
```
apt install openssh-server
vim /etc/ssh/sshd_config
```
将其中的 PasswordAuthentication 改为 yes，退出编辑后重启 SSH 服务：
```
systemctl restart sshd
```
此时可以用 exit 命令退出到宿主机中，用 SSH 命令远程连接容器：
```
sudo ssh ubuntu22-tmp@10.22.118.222
```
输入密码，能登录则没问题。
此处针对宿主容器，应该继续进行一系列的 Python 配置、pip 配置、软件源配置、等，后续以该容器为模板进行复制时，会将这些配置信息一并复制。

以 ubuntu22-tmp 为模板复制容器：

lxc copy ubuntu22-tmp yhl

启动容器，自动分配 ip：

lxc start yhl

重复上述步骤，修改新容器的密码，之后就可以使用 SSH 连接：

sudo lxc exec yhl bash
usermod -l yhl -d /home/yhl -m ubuntu
groupmod -n yhl ubuntu
passwd yhl
passwd root

容器内换源：

sudo cp /etc/apt/sources.list /etc/apt/sources.list.bak
sudo vim /etc/apt/sources.list

将内容更改为：

# 默认注释了源码镜像以提高 apt update 速度，如有需要可自行取消注释
deb https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ jammy main restricted universe multiverse
# deb-src https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ jammy main restricted universe multiverse
deb https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ jammy-updates main restricted universe multiverse
# deb-src https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ jammy-updates main restricted universe multiverse
deb https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ jammy-backports main restricted universe multiverse
# deb-src https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ jammy-backports main restricted universe multiverse

deb http://security.ubuntu.com/ubuntu/ jammy-security main restricted universe multiverse
# deb-src http://security.ubuntu.com/ubuntu/ jammy-security main restricted universe multiverse

# 预发布软件源，不建议启用
# deb https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ jammy-proposed main restricted universe multiverse
# # deb-src https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ jammy-proposed main restricted universe multiverse

更新源：

sudo apt update
sudo apt upgrade

设置共享文件夹：

# 新建共享文件夹
mkdir sharefile
# 设置权限
sudo chmodsudo chmod 777 sharefile

# 在宿主机内创建共享区域 
sudo lxc profile create share-host
sudo lxc profile set share-host security.privileged true

检查是否创建成功：

sudo lxc profile show share-host

将文件夹添加到指定 LXD 容器 yhl 中：

lxc config device add yhl share-host disk source=/home/super/sharefile path=/sharefile

容器内安装显卡驱动：
从官网挑选符合要求的驱动：https://www.nvidia.com/download/index.aspx，下载后放入上述的共享文件夹中，执行脚本，安装选项都选择 no ：
```
sudo bash ./NVIDIA-Linux-x86_64-535.129.03.run --no-kernel-module
```
查看是否安装成功以及版本是否合适：
```
nvidia-smi
```
安装 pytorch：
```
pip3 install torch torchvision torchaudio
```
验证是否可以调用显卡，显示 true 则成功：
```
import torch
print(torch.cuda.is_available())
```

端口转发实现所有用户通过 SSH 连接容器，此处端口设置为 6001，connect 后面接的是容器 ip ：

lxc config device add ubuntu22-tmp proxy1 proxy listen=tcp:192.168.3.123:6001 connect=tcp:10.13.153.83:22 bind=host

安装 docker

sudo apt-get update
# 安装证书
sudo apt-get install \
   ca-certificates \
   curl \
   gnupg \
   lsb-release
   
sudo mkdir -p /etc/apt/keyrings
curl -fsSL https://download.docker.com/linux/ubuntu/gpg | sudo gpg --dearmor -o /etc/apt/keyrings/docker.gpg

echo \
 "deb [arch=$(dpkg --print-architecture) signed-by=/etc/apt/keyrings/docker.gpg] https://download.docker.com/linux/ubuntu \
 $(lsb_release -cs) stable" | sudo tee /etc/apt/sources.list.d/docker.list > /dev/null

sudo apt-get update
sudo apt-get install docker-ce docker-ce-cli containerd.io docker-compose-plugin
# 验证是否安装成功
sudo docker -v

docker run hello-world
sudo groupadd docker
# 增加当前用户入docker组中
sudo groupadd docker
sudo gpasswd -a $USER docker
newgrp docker
# 再次验证
$ docker ps
$ docker run hello-world

安装 Anaconda

事先说明，我安装的深度学习服务器是公司服务器，因此有多用户使用 anaconda 的需求，以下的安装过程和网上其他教程不同点在于我将 anaconda 安装到了 /usr/local/anaconda3 下，这样的好处是使得每个用户都可以访问 anaconda ，且每个用户创建的虚拟环境相互不影响。若无此需求，只需执行最基本的安装命令即可，它会在用户目录下新建一个 anaconda3 目录。
根据本机选择 anaconda 安装包：https://repo.anaconda.com/archive/?C=M&O=A
安装 Anaconda3：
```
sudo bash Anaconda3-2023.07-1-Linux-x86_64.sh
```
在下方自定义安装路径：

设置环境变量：

vim ~/.bashrc

在文本末尾添加：

# Anaconda environment
export ANACONDA_HOME=/usr/local/anaconda3
export PATH=$ANACONDA_HOME/bin:$PATH

更新环境变量：

source ~/.bashrc

重启命令行即可。

卸载 Anaconda

在安装目录下删除文件夹：

rm -r anaconda3
rm -r .conda
rm -r .anaconda

检查和 conda 有关的隐藏文件是否全部删除：
```
ls -a
```
删除环境变量：
```
vim ~/.bashrc
```
在文件最后删除从>>> conda initialize >>> 到<<< conda initialize <<<中间的有关 conda 初始化的内容：
更新环境变量：
```
source ~/.bashrc
```

解决 Ubuntu22.04 无法输入中文的问题

搜索语言支持”，然后里面选择中文，一般情况下安装ubuntu22.04系统时候，就直接是这个配置。

命令行输入：

sudo apt install fcitx5 \
fcitx5-chinese-addons \
fcitx5-frontend-gtk3 fcitx5-frontend-gtk2 \
fcitx5-frontend-qt5 kde-config-fcitx5

之后再重新打开“语言支持”，"键盘输入法系统"选择“fcitx5”：
在这里插入图片描述

卸载 ibus 以及安装输入法：

sudo apt-get --purge remove ibus
sudo apt install fcitx5 fcitx5-frontend-qt5 fcitx5-frontend-gtk3 fcitx5-frontend-gtk2 fcitx5-chinese-addons

完成上述操作后，会出现三个拿笔的小企鹅，选择“fcitx5配置”：

通过“鼠标选中“和中间的“上下左右“操作，调整输入法排序：
重启系统。

安装 ChatGLM2

git clone https://github.com/THUDM/ChatGLM2-6B
cd ChatGLM2-6B
pip install -r requirements.txt

使用 fastllm 推理加速

sudo apt install make
sudo apt-get install g++

git clone https://github.com/ztxz16/fastllm.git
cd fastllm
mkdir build
cd build
cmake .. -DUSE_CUDA=ON # 如果不使用GPU编译，那么使用 cmake .. -DUSE_CUDA=OFF
make -j
cd tools && python setup.py install

然后只需要在原本的推理程序中加入两行即可使用 fastllm 加速：

# 这是原来的程序，通过huggingface接口创建模型
from transformers import AutoTokenizer, AutoModel
tokenizer = AutoTokenizer.from_pretrained("THUDM/chatglm2-6b", trust_remote_code = True)
model = AutoModel.from_pretrained("THUDM/chatglm2-6b", trust_remote_code = True)

# 加入下面这两行，将huggingface模型转换成fastllm模型
from fastllm_pytools import llm
model = llm.from_hf(model, tokenizer, dtype = "float16") # dtype支持 "float16", "int8", "int4"

安装闻达环境

建议先下载懒人包，后面用到的模型和各种文件都在懒人包当中：https://pan.baidu.com/s/1idvot-XhEvLLKCbjDQuhyg?pwd=wdai

clone 项目并安装通用依赖：

git clone https://github.com/wenda-LLM/wenda.git
pip install -r requirements/requirements.txt

将模型放入主目录下的 model 文件夹，设置好文件夹名称：
在主目录下创建 txt 文件夹，用于存放 txt 格式的知识库，需要 UTF-8 编码：
在主目录修改 exmple.config.yml 为 config.yml ，并在其中修改模型类别及模型位置：
在 model 文件夹下存放 M3E-BASE 知识库索引模型：
在 wenda 环境预先构建索引：
```
python plugins/gen_data_st.py
```
主目录下运行 sh 文件即可启动闻达：
```
sh run_GLM6B.sh
```
目前似乎不会自动打开浏览器，请手动输入浏览器的前半部分：

参考链接

https://blog.csdn.net/m0_70331483/article/details/130168108

Dragon水魅

关注

1
点赞
踩
5

收藏

觉得还不错? 一键收藏
4
评论
Ubuntu22.04 安装深度学习服务器全纪录

将U盘插到服务器上，开机按F11键（具体什么键跟主板型号有关）选择启动项进入临时的 Ubuntu 系统，在图形界面中选择 Install Ubuntu ，所有配置都可以使用默认的，改一下用户名和密码即可。表示版本信息为8.9.2。
复制链接

扫一扫