【深度学习服务器配置篇】之服务器环境配置

于 2024-10-11 10:46:49 发布
阅读量611 收藏 6
点赞数 14
文章标签： 深度学习 服务器 人工智能
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/shizi_zhang/article/details/142847190
版权

与vscode不同，本篇用到的主要工具是MobaXterm，主要用于与服务器进行文件交互。内含服务器配置环境的详细操作。

目录

Step1：下载安装MobaXterm

访问官网地址https://mobaxterm.mobatek.net/download.html，按需选择对应的版本。推荐选择Home Edition版（针对个人用户，免费够用版）。点击Download now按钮即可开始下载。

在这里插入图片描述

推荐下载绿色便捷版，免安装，下载即用

在这里插入图片描述

Step2：SSH连接

在这里插入图片描述

第一次连接服务器信任身份

在这里插入图片描述

MobaXterm连接服务器成功

在这里插入图片描述

Step3：文件传输

打开SFTP，输入Remote host和Username

在这里插入图片描述

此时便出现了可以进行数据连接的界面，找到对应的文件夹，将文件进行拖拽即可进行上传和下载。

在这里插入图片描述

打开右键粘贴功能：

之后就可以将外部命令粘贴至MobaXterm中

在这里插入图片描述

Step4：给服务器安装Anaconda

1.首先在自己电脑上下载Linux版本的Anaconda

https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/
清华大学开源软件镜像站
在这里插入图片描述

2.将安装包上传至服务器

上传到服务器上有三种方法：

  • 方法一：用上传键上传

    在这里插入图片描述

  • 方法二：直接拖拽文件

    在这里插入图片描述

  • 方法三：在MobaXterm中用linux命令：scp移动

上传成功：

在这里插入图片描述

3.安装Anaconda

在MobaXterm中用linux命令：

根据自己下载的版本更改命令名字
在这里插入图片描述

bash anaconda/Anaconda3-2022.10-Linux-x86_64.sh

bash后面是完整的文件路径，我这里把安装包放在新建的文件夹anaconda里，所以在前面加上了anaconda/

前面一直按回车键

在这里插入图片描述

这个持续按回车键

在这里插入图片描述

根据提示输入yes

在这里插入图片描述

提示安装的位置，这里我直接按照它默认的路径安装了

在这里插入图片描述

安装成功，提示配置环境，输入yes

在这里插入图片描述

要使得更改生效，需要关闭再重新打开当前shell

在这里插入图片描述
在这里插入图片描述

在他说上面的默认路径下看到安装文件

在这里插入图片描述

Step5：配置环境

遇到问题：输入conda -V显示conda不是系统命令

在这里插入图片描述

1.输入vim ~/.bashrc进入编辑环境变量

点R覆盖，两次回车进入

点i开始编辑，使用vim添加环境变量：

export PATH=$PATH:/home/zhangyuhan/anaconda3/bin

修改为自己的bin路径

在这里插入图片描述

按esc退出编辑，输入：wq 编辑并保存

2.输入exec bash进入base环境

3.输入source ~/.bashrc使环境变量生效

在这里插入图片描述

4.最后就能启动conda了

conda activate base 启动conda

conda -V 查看conda版本号

在这里插入图片描述

Step6：创建python虚拟环境

1.base环境下的操作

创建虚拟环境：中间需要输入一次y同意安装

conda create -n 环境名 python=3.7
# 会安装在默认路径下 创建名为"环境名"的虚拟环境，并指定Python版本

conda create --prefix=安装路径\环境名 python=3.7
#会安装在指定路径下 创建名为"环境名" 的虚拟环境， 并指定 Python 的版本与安装路径

安装完成界面：

在这里插入图片描述

删除虚拟环境：

conda remove -n 环境名 --all 删除名为"环境名" 的虚拟环境

进入虚拟环境：

conda activate 环境名

(环境名)前缀 表示已经进入虚拟环境：
在这里插入图片描述

2.虚拟环境下的操作

conda list 列出当前环境下的所有库

在这里插入图片描述

安装NumPy、Pandas、Matplotlib库：

pip install numpy==1.21.5 -i https://pypi.tuna.tsinghua.edu.cn/simple

pip install Pandas==1.2.4 -i https://pypi.tuna.tsinghua.edu.cn/simple

pip install Matplotlib==3.5.1 -i https://pypi.tuna.tsinghua.edu.cn/simple
# 后面的网站为清华镜像网站

NumPy：支持大型多维数组和矩阵，并提供了大量高级数学函数。

Pandas：提供了高性能的数据结构和数据分析工具。

Matplotlib：一个强大的2D绘图库，可以生成图表。

安装成功界面：

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

可以根据上面三个库的安装方式安装其他库（PyTorch除外）

pip show numpy 查看当前环境下某个库的版本（以numpy为例）

退出虚拟环境：

conda deactivate 退出当前虚拟环境
shizi_zhang
关注
Windows Server云服务器配置深度学习环境WS
01-06
之前在自己的机器上用pip磕磕绊绊配置过一次，今天在云服务器上相当于复习了一下。 总结一下需要注意的点： 1.anaconda与要使用的python的版本要互相对应。 2.pycharm要装上python的解释器，在project interpreter中...
环境配置-在非root服务器上安装cuda，cudnn，解决深度学习环境的依赖
06-20
环境配置-在非root服务器上安装cuda，cudnn，解决深度学习环境的依赖
揭秘Ubuntu深度学习服务器配置：新手如何成为专家？
热门推荐
戴璞微的学习之路
05-03 3万+
本文主要介绍了从零到一保姆级Ubuntu深度学习服务器环境配置教程
深度学习GPU服务器环境配置
永远鲜红の幼月的博客
04-27 2207
组里面分配了台gpu服务器，让我负责管理，需要先配置一些深度学习环境，记录一下。一些linux服务器常用命令：https://blog.csdn.net/qq_51570094/article/details/123949910。
深度学习服务器配置过程
qq_36831368的博客
02-26 4787
1、安装系统 1.1 系统配置： 显卡：Tesla P100； 系统：Ubuntu16.04-desktop（英文版） 软件：cuda+cudnn+docker+nvidia-docker 1.2 换源 ubuntu16.04换国内最快源(其它版本也适用) 1.3 安装中文输入法 System Settings ->Language Support（弹出界面，选择install） ->Install/Remove Languages ->Chinese（Simplified） ->再
【研0小白暑期准备】实验室的深度学习服务器环境配置
weixin_52078423的博客
07-21 1347
本文讲解了已知服务器IP地址的前提下，如何在本地搭建服务器的深度学习环境的方法。本文以linux系统的服务器为例，讲述了如何使用远程连接软件、在服务器上安装anaconda和pytorch等步骤，为后续在远程服务器上运行本地代码打好了基础。
深度学习服务器环境配置总结
骜蛟的博客
11-17 4149
环境配置总结 一、连接服务器 1.1 命令行 登录： ssh 用户名@服务器IP地址 -p 端口号 然后输入密码就可以了。 缺点是上传下载文件比较麻烦。 1.2 FinalShell 配置好信息即可，上传下载文件方便，有可视化文件管理。 二、Pytorch环境配置 2.1 conda Conda 是一个开源的软件包管理系统和环境管理系统，用于安装多个版本的软件包及其依赖关系，并在它们之间轻松切换。 一般服务器上都先装好了conda，直接创建一个个人虚拟环境。 conda create -n 个人环
linux服务器配置深度学习环境
qq_41037660的博客
12-22 2319
自己服务器账号安装环境的顺序： 创新环境、新环境安装cuda、安装新环境cuda匹配的pytorch 用anaconda 可以cudatoolkit和pytorch一起装，可以设置清华镜像 cuda 自己装的cuda跟系统cuda没关系，跟base环境下也没关系。自己可以用系统的cuda。 自己环境的cuda版本就要跟驱动版本匹配，比如我们服务器Driver Version: 450.119.03，那就是我们可以装这些 ...
配置全新服务器深度学习一套流程
weixin_70379932的博客
09-10 1067
NCU服务器配置深度学习环境
服务器中深度学习环境的配置
chumingqian的博客
11-28 1305
11.17 日，周末去高校参加学术会议，起因， 由于使用了某高校内的公共有线网络， 远程连接服务器后，黑客利用 ssh 开放的 22 端口， 篡改了主机的配置， 使得只要一连上网络， 服务器cpu 会被占满，估计被人用去挖矿。该端口开放的本意是用来pycharm 远程调试的。不同于一般的主机安装过程，服务器上一般只会使用单系统，这里以 super_mircro 超威主板 x299 为例子，安装ubuntu20.04 系统时，
安装Ubuntu系统+深度学习服务器配置+多用户操作+远程
一枚射手座的程序媛
07-31 1409
安装Ubuntu系统+深度学习服务器配置+多用户操作+远程
远程配置深度学习服务器详细教程，配置Conda+PyTorch环境
Bluebro的博客
11-24 3682
进入实验室以后，大家就会用实验室的服务器跑一些深度学习模型。如何连接服务器，以及连接服务器后如何配置conda和PyTorch深度学习框架，在此进行详细的介绍。 首先，在连接服务器之前，需要向服务器的管理员申请个人账号。 接下来我详细介绍连接服务器后如何配conda+pytorch环境 目录 1.安装Anacond 2.配置清华镜像源 3.创建虚拟环境 4.安装PyTorch深度学习框架
服务器（工作站）更新显卡后深度学习环境配置
04-01
### 服务器（工作站）更新显卡后深度学习环境配置 #### 概述 在服务器或工作站更新显卡后，往往需要重新配置深度学习环境来确保兼容性和性能最优。本篇文章将详细介绍更新显卡驱动以及重新配置深度学习环境的具体...
深度学习：基于MindSpore实现ResNet50中药分拣
Landy_Jay的博客
10-07 1087
ResNet（Residual Network）是一种深度神经网络架构，由微软研究院的Kaiming He等人在2015年提出，并且在ILSVRC 2015竞赛中取得了很好的成绩。ResNet主要解决了随着网络深度增加而出现的退化问题，即当网络变得非常深时，训练误差和验证误差可能会开始上升，这并不是因为过拟合，而是由于深层网络难以优化。ResNet的核心思想是引入了残差学习框架来简化许多层网络的训练。通过构建“跳跃连接”或称“捷径连接”，允许一层直接与更深层相连接。
基于深度学习的复杂器官建模与模拟
weixin_42605076的博客
10-10 870
基于深度学习的复杂器官建模与模拟是一项前沿技术，它利用深度学习模型从大量医学图像和临床数据中提取信息，生成复杂器官的三维结构模型，并对其进行功能模拟。这项技术对于医学诊断、手术规划、药物开发和疾病研究有重要意义，特别是针对心脏、肝脏、肺等复杂器官。
《动手学深度学习》Pytorch 版学习笔记一：从预备知识到现代卷积神经网络
andrew_1219的博客
10-07 1111
笔者有一定的机器学习和深度学习理论基础，对 Pytorch 的实战还不够熟悉，打算入职前专项突击一下 本文内容为笔者学习《动手学深度学习》一书的学习笔记 主要记录了代码的实现和实现过程遇到的问题
机器学习、深度学习评价指标汇总：TP、TN、FP、FN、AP、mAP、IoU、mAP@3、Prec@10、 Acc@10
最新发布
buyaotutou的博客
10-10 672
真正例 (True Positive, TP)模型正确地将正类（例如，某种疾病存在）预测为正类的实例数量。假正例 (False Positive, FP)模型错误地将负类（例如，某种疾病不存在）预测为正类的实例数量。这通常被称为“误报”。真负例 (True Negative, TN)模型正确地将负类预测为负类的实例数量。假负例 (False Negative, FN)模型错误地将正类预测为负类的实例数量。这通常被称为“漏报”。真正例和真负例反映了模型的正确预测能力。假正例和假负例。
【深度学习基础模型】胶囊网络（Capsule Networks, CapsNet）详细理解并附实现代码。
985小水博的摸鱼日常
10-06 703
胶囊网络（Capsule Networks, CapsNet）学习笔记！
基于深度学习的3D人体姿态预测
weixin_42605076的博客
10-06 1040
基于深度学习的3D人体姿态预测是指利用深度学习模型，从图像或视频中自动估计人体的三维骨架结构或关节点位置。此任务在增强现实、动作捕捉、人体行为识别、虚拟现实等多个领域中有广泛应用。3D人体姿态预测面临的挑战包括姿态变化多样、遮挡、光照条件复杂以及不同视角下的深度信息恢复等问题。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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