服务器使用

---

前言

小组服务器供组内多人使用（代代相传），维护困难，望各位遵守使用规则。当前为第一版使用说明：

---

提示：以下是本篇文章正文内容，下面案例仅供参考

一、服务器配置介绍

1、服务器系统及硬件：

1. 服务器系统：CentOS7.9
2. 服务器CPU：Intel® Core™ i7-7800X
3. 服务器GPU：两张GeForce GTX 1080 Ti
4. 服务器内存：32G
5. 服务器硬盘：250G固态（系统盘）+2T机械

2、服务器系统用户

1.root用户：

1. 家目录：/root
2. 配额：50G

2.lxp用户：

1. 家目录：/home/lxp
2. 配额：176G

3、服务器磁盘挂载情况

1. 固态硬盘：250G固态作为系统盘，其中50G供root使用，其余用户共用176G（目前只有lxp用户），另外的空间用作临时存储空间。
2. 机械硬盘：2T的机械硬盘全部挂在/home/lxp/data目录下，供存放数据。

二、服务器使用介绍

1、目录使用：

1. /home/lxp/software：安装软件路径，所有软件安装到此路径
2. /home/lxp/data：保存数据路径，所有个人的数据或代码保存在此路径（建议在此目录创建个人数据目录，将个人数据保存至个人数据目录下）
3. /usr/local/：cuda安装路径（此路径为默认路径，安装时一般不需要修改，在安装时需要注意查看，以方便cuda版本切换）
4. /home/lxp/data/software_zip：用于存放各种软件或是驱动安装包，安装包下载不易，环境安装完成后就把它丢这个目录下吧

2、数据传输工具使用：

1.火狐浏览器：

使用火狐浏览器下载的文件默认保存在：/home/lxp/下载

2.wget命令：

使用wget命令下载时默认保存至当前命令目录，可以使用-P指定目录
wget -P /home/lxp/data URL路径

3.FTP服务器：

服务器已经开通FTP服务器，学校内网可以直接访问，使用ftp://172.20.(重启后变动，需要提前确定)连接

1. 用户名：lxp
2. 密码：123456
3. 主目录：/home/lxp/data

3、lxp用户下使用yum（权限问题解决）：

使用lxp用户直接使用yum时会提示权限不够，可以通过sudo命令解决（无需root用户权限）：

#所有提示权限不够的命令，都可以通过加sudo解决(不要随意使用root用户权限)
sudo yum install wget

4、项目环境配置：

1、conda虚拟环境创建：

本系统下安装了Anaconda3，自带Python3.8
创建虚拟环境参考链接: Anaconda使用

2、框架安装：

由于框架的安装时间较长（以Pytorch为例），所以一般不在创建虚拟环境的时候安装Pytorch。而在安装cuda之前，需要根据项目所需的Pytorch框架找到对应的cuda版本。安装Pytorch以及cuda版本匹配可以参考官网链接。

3、cuda安装：

gpu版本的pytorch连接显卡时需要安装cuda驱动。
cuda下载： 下载链接（可以先下载到/home/lxp/下载，目录下，安装完成后可以将其剪切到/home/lxp/data/software_zip目录下）。
如下以cuda_8.0.61_375.26_linux.run为例：

#首先切换目录之下载目录，并更改文件权限
sudo chmod 777 cuda_8.0.61_375.26_linux.run
sudo ./cuda_8.0.61_375.26_linux.run   #执行文件

按住空格（跳过安装协议文档）直到出现按下面的选项：

至此安装完成。

4、cudnn安装：

cudnn是一个神经网络层加速库文件。
cudnn下载： 下载链接（下载对应已经安装cuda的cudnn版本，下载前需要先登陆）。
如下以cudnn-8.0-linux-x64-v7.1.tgz为例：

#首先切换目录之下载目录，将cudnn中的文件复制到cuda对应的文件中
tar -zxvf cudnn-8.0-linux-x64-v7.1.tgz
sudo cp cuda/include/cudnn.h /usr/local/cuda-8.0/include/ 
sudo cp cuda/lib64/libcudnn* /usr/local/cuda-8.0/lib64/ 
sudo chmod a+r /usr/local/cuda-8.0/include/cudnn.h /usr/local/cuda-8.0/lib64/libcudnn*

5、系统默认cuda切换：（不建议修改，建议在启动虚拟环境时启用相应的cuda驱动，如下步骤6）

可以通过修改系统的环境变量来修改系统默认cuda版本，安装了多个CUDA的版本，那么可以在这些CUDA的版本之间切换(切换后记得安装对应的cudnn的版本)
在安装了多个cuda版本后，可以在/usr/local/目录下查看自己安装的cuda版本
只需要删除cuda软链接，然后重新建立指向另一个版本的软链接即可

#只需要删除原有链接，然后建立新的cuda链接即可
sudo rm -rf /usr/local/cuda
sudo ln -s /usr/local/cuda-10.1 /usr/local/cuda

6、Anaconda虚拟环境自动启用相应的cuda版本：

虚拟环境运⾏时，实际是从动态链接库的地址找需要的cuda动态链接库，所以我们只需要指定 cuda路径 . 即保证该环境启动时，把cuda 8的地址加⼊入到cuda路径 ，关闭该环境时再移除。以下以虚拟环境test_env为例。
激活时（activate）执行脚本：
在脚本文件中$v表示取变量值，变量直接命名

#1、创建环境启动时的脚本
mkdir -p /home/lxp/software/anaconda3/envs/test_env/etc/conda/activate.d
touch /home/lxp/software/anaconda3/envs/test_env/etc/conda/activate.d/activate.sh
#2、编辑脚本执行命令
vim /home/lxp/software/anaconda3/envs/test_env/etc/conda/activate.d/activate.sh
#在命令中加入写入如下命令：(注意替换路径) 通过将指定路径防止全局PATh最前方，可以使得该设置cuda优先于其他cuda执行
#!/bin/sh
export PATH=/usr/local/cuda-8.0/bin:$PATH
export LD_LIBRARY_PATH=/usr/local/cuda-8.0/lib64:$LD_LIBRARY_PATH
#3、添加执行权限
chmod +x /home/lxp/software/anaconda3/envs/test_env/etc/conda/activate.d/activate.sh

关闭环境时（deactivate）执行脚本：

#1、创建环境启动时的脚本
mkdir -p /home/lxp/software/anaconda3/envs/test_env/etc/conda/deactivate.d
touch /home/lxp/software/anaconda3/envs/test_env/etc/conda/deactivate.d/deactivate.sh
#2、编辑脚本执行命令
vim /home/lxp/software/anaconda3/envs/test_env/etc/conda/deactivate.d/deactivate.sh
#在命令中加入写入如下命令：(注意替换路径) 使用原来记录的cuda路径还原，即找到当前路径字符串，并使用空字符串进行替换，"\"为转义字符
#!/bin/sh
export LD_LIBRARY_PATH=${LD_LIBRARY_PATH/\/usr\/local\/cuda-8.0\/lib64:/}
export PATH=${PATH/\/usr\/local\/cuda-8.0\/bin:/}
#3、添加执行权限
chmod +x /home/lxp/software/anaconda3/envs/test_env/etc/conda/deactivate.d/deactivate.sh

测试：（可以看到打开虚拟环境后切换到了指定的cuda版本，关闭虚拟环境后又还原到了原版本）

7、安装校验：

import torch

# 若正常则静默

a = torch.tensor(1.)
# 若正常则静默

print(a.cuda())
# 若正常则返回 tensor(1., device='cuda:0')

from torch.backends import cudnn

# 若正常则静默

print(cudnn.is_available())
# 若正常则返回 True

print(cudnn.is_acceptable(a.cuda()))
# 若正常则返回 True

总结

暂时好像是一劳永逸，日后维护还得小心，第一版使用说明就这些吧！！！

参考文档：

1、Linux下CUDA的多版本安装及切换.
2、CentOS7安装NVIDIA显卡驱动.