服务器上搭建深度学习模型运行环境:ubuntu

1.购买服务器

我买了腾讯云轻量级服务器,默认系统为CentOS 7.6,我重装成ubuntu18。

2. 搭建ubuntu可视化界面(没必要)

参考链接:搭建 Ubuntu 可视化界面

  1. 我在配置 VNC时失败了:
    在这里插入图片描述
    解决办法:Could not open lock file /var/lib/dpkg/lock - open (13: Permission denied
    因为不是root登录,没有权限
    总结:

    • root登录:输入su再输入密码
    • 切回普通用户:su - 用户名
  2. 后面使用VNC Viewer连接时也失败了,连接超时:
    在这里插入图片描述
    因为服务器端开了防火墙,手动添加对应端口即可,
    在这里插入图片描述

因为是一号桌面,所以端口号为5901,当然也可以输入命令查看:netstat -lp|grep -i vnc
在这里插入图片描述
3. 连接成功后又遇到灰屏问题:
解决办法:VNC Viewer 连接灰屏问题

杀端口没杀掉(好家伙真的每一步都能出错):
解决办法:VNC - Can’t find file *.pid, kill the Xvnc process manually

终于
在这里插入图片描述

3.安装宝塔面板

参考链接:腾讯云主机Ubuntu之服务器环境搭建以及宝塔面板安装
我直接从第四步开始看的,因为可以orcaterm里输入命令
在这里插入图片描述
直接访问不成功可能是端口号没开,同上放开端口;成功啦!
在这里插入图片描述

4.在Linux服务器上安装Anaconda

参考链接:腾讯云服务器使用笔记–连接服务器、安装Anaconda
我从第三章开始看的,因为安装了宝塔,可以直接上传文件:
在这里插入图片描述

出现了conda: command not found的报错;
解决办法:[Linux] 安装Anaconda后出现的conda: command not found问题

5.windows向云服务器中上传文件

  1. 参考链接:Windows 系统通过 WinSCP 上传文件到 Linux 云服务器
    在上传时遇到了Permission denied问题:
    在这里插入图片描述
    尝试了修改文件夹权限仍然失败,放弃了。

  2. 参考链接2:Windows 系统通过 FTP 上传文件到轻量应用服务器
    本地我安装了 FileZilla;服务器端我使用宝塔面板中的FTP服务直接安装了对应软件:
    在这里插入图片描述
    a. 遇到:服务器发回了不可路由的地址,使用服务器地址代替的问题:
    解决办法:FileZilla - 服务器发回了不可路由的地址,使用服务器地址代替
    但这样会报500错误,所以我又改回服务器发回了不可路由的地址,使用服务器地址代替,(注意地址要写正确)多次尝试即可。

  • 0
    点赞
  • 3
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
对于搭建深度学习环境,你可以按照以下步骤来进行操作: 1. 安装Ubuntu操作系统: - 下载最新版的Ubuntu操作系统,并按照官方文档进行安装。 2. 安装NVIDIA显卡驱动: - 检查你的电脑上是否安装了NVIDIA显卡,如果有则需要安装相应的驱动程序。你可以通过 `lspci | grep -i nvidia` 命令来检查显卡信息。 - 打开终端,运行以下命令来安装NVIDIA显卡驱动: ``` sudo apt-get update sudo apt-get install nvidia-driver-<version> ``` - 安装完成后,重启电脑以使驱动生效。 3. 安装CUDA(可选): - 如果你需要使用CUDA来加速深度学习计算,可以安装NVIDIA的CUDA工具包。 - 在终端中执行以下命令安装CUDA: ``` sudo apt-get install nvidia-cuda-toolkit ``` 4. 安装Anaconda: - 下载最新版的Anaconda发行版,并按照官方文档进行安装。 - 安装完成后,打开终端并运行以下命令来更新conda: ``` conda update conda ``` 5. 创建并激活虚拟环境: - 使用conda创建一个新的虚拟环境,并激活该环境。 - 运行以下命令创建虚拟环境: ``` conda create -n myenv python=<python_version> ``` - 激活环境: ``` conda activate myenv ``` 6. 安装深度学习库: - 在激活的虚拟环境中,运行以下命令来安装常用的深度学习库,如TensorFlow、PyTorch等: ``` conda install tensorflow conda install pytorch torchvision cudatoolkit=<cuda_version> -c pytorch ``` 通过以上步骤,你就可以在Ubuntu搭建深度学习环境了。记得根据你的需求和显卡配置来选择安装相应的驱动和库。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
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
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