linux系统+拨号连网+VPN（L2TP）+集群+安装虚拟机+pycharm远程连接服务器上的虚拟机 流程概述

1、linux系统安装

• 如果不想要双系统，只要纯净的Linux系统，安装时在第一步选择 清除磁盘并安装 即可。
• 安装时尽量选择英文版本，否则之后可能会应为中文导致路径显示乱码（亲身经历）。如果不小心选了中文也不要担心，在设置->区域与语言->选择英文，重启即可。
• 设置好以上内容后赶快换源！！！！！！换源
• apt install或apt upgrade报错E: Unmet dependencies. Try ‘apt --fix-broken install’ with no packages (or specify a solution).解决方法：换源
• apt get install 时报错：E: Could not get lock /var/lib/dpkg/lock - open (11: Resource temporarily unavailable)解决方案

2、插上网线，进行拨号上网

3、连接VPN

• 终端输入nm-connection-editor回车

• 

• 弹出的对话框左下角点击“+”，选择L2TP

• 

• 点击create,输入对应的网关（内网的网关）、用户名和密码
  

• 需要设置与共享密钥的话点击右下角“IPSec Settings…”,输入密钥，之后点击“ok”

• 点击"IPv4 Settings"->"route"勾选下面两个选项，禁止自动获取路由，同时限制内网访问->ok->save
  

• 打开设置->网络->选择刚才建立好的VPN进行连接即可。

4、配置路由

连接好之后打开命令行输入sudo route add -net 要访问的VNP内网网络 netmask 255.255.255.0 gw 登陆VPN后分配给本机的动态IP地址(因为是动态ip地址，所以每连一次VPN就要重新配置一次路由)

5、进入集群

ssh 用户名@要访问的VPN内网IP地址，之后输入密码即可进入集群

6、下载镜像->加载镜像（要回到镜像的下载位置进行加载）

7、创建虚拟机->设置网络映射（ssh:22、xrdp:3389、VNC：5901）

8、更新源、下载必要的安装包

9、配置ssh文件

vim /etc/ssh/sshd_config
设置PermitRootLogin为yes
/etc/init.h/ssh restart 

10、下载可视化服务和界面，输入passwd设置密码

11、命令行远程连接服务器上的虚拟机

• ssh 用户名@要访问的VPN的IP地址 -p 端口号
  注意：启动虚拟机之后不能关闭，都则是无法远程链接上服务器的
  当在SSH连接时出现Host key verification failed的原因及解决方法

12、pycharm远程连接服务器上的虚拟机

• 先把内网和VPN都连好

• 点击右下角的解释器，选择ssh,

• 

• 输入对应的网关、端口号、用户名和密码（注意：这里的用户名和密码是服务器中虚拟机的用户名和密码，不是集群的），之后按照提示操作

• 最后一步需要设置本地和远程虚拟机的文件映射，如果显示乱码，说明系统采用中文语言或者文件夹存在中文字符导致无法解析，需要都换成英文的。

13、【Anaconda】Linux系统下Anaconda详细安装过程

14、pycharm连接远程服务器中的解释器

• 点击FIie->Setting
• 选择add interpreter,还是远程连接虚拟机的步骤，选择虚拟机中想要的解释器即可
• 下面出现Remote…就是连接成功了

15、tensorflow、cuda、cudnn、jax-

• 版本选择：cuda11.3、cudnn8.6、jax-lib0.4.30(调用不了GPU)、tensorflow2.11、python3.10
• tensorflow、cuda、cudnn（参考一）
• tensorflow、cuda、cudnn（参考二）
• 确定显卡信息及显卡驱动的信息nvidia-smi，没有这个命令的话输入sudo apt-get install ubuntu-drivers-common
• 下载cuda，验证cuda信息nvcc -V
• 下载cudnn，验证cudnn信息

  cd cudnn-linux-x86_64-8.9.4.25_cuda11-archive
  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*
  sudo cp include/cudnn_version.h /usr/local/cuda/include/
  cat /usr/local/cuda/include/cudnn_version.h | grep CUDNN_MAJOR -A 2  #验证
  

• 确定jax的版本并下载 （ 参考一、参考二、参考三)
  • 注意：jax与cuda、cudnn版本有强相关，一个版本不对应都会导致调用GPU失败。
  • 我在配置过程中遇到的其他问题：
    • jax安装之后与其他包要求的numpy版本冲突
    • jax版本太低时运行代码提示找不到指定的属性或函数
• 确定tensorflow的版本并下载 Tensorflow与Python、CUDA、cuDNN的版本对应表

所有调用GPU失败的原因都是cuda、cudnn、python等的版本不适配问题！！！