使用学校的服务器跑深度学习

🌞欢迎来到深度学习的世界 
🌈博客主页:卿云阁

💌欢迎关注🎉点赞👍收藏⭐️留言📝

🌟本文由卿云阁原创!

🌠本阶段属于练气阶段,希望各位仙友顺利完成突破

📆首发时间:🌹2022年12月2日🌹

✉️希望可以和大家一起完成进阶之路!

🙏作者水平很有限,如果发现错误,请留言轰炸哦!万分感谢!


目录

🥯Xshell 7配置Anaconda环境

🍈 使用filezilla连接服务器

 🍉pycharm的配置

引入:

  终于不用花钱租服务器了,还记得上一个项目的进行花了我几百的服务器的费用,还好最近向学校申请了服务器。下面我将以filezilla和pycharm和Xshell 7这个三个软件,教大家如何远程跑深度学习(以YOLOv5版本为例)

常用SSH客户端介绍:

SSH 为 Secure Shell 的缩写,是目前较可靠,专为远程登录会话和其他网络服务提供安全性的协议。利用 SSH 协议可以有效防止远程管理过程中的信息泄露问题。

我们做计算的人,每天都需要与linux服务器打交道,有很多人直接使用linux系统,比如ubuntu和centos等。但是也有很多人不喜欢linux系统,虽然它对于做计算很方便,但是对于日常办公软件的支持极差,比如QQ、微信、office等。这个时候SSH客户端应运而生,它的作用就是帮助我们在windows下去连接并操作linux服务器。


🥯Xshell 7配置Anaconda环境

1.Xshell 7连接服务器

2.查看该服务器上GPU的版本信息

nvidia-smi -L 

 此时,我找到了服务器的GPU的信息,Tesla T4

nvcc -V 看一下cuda版本,这个才是准的,可以看到我服务器cuda的版本是11.1.

 

3.安装Anaconda3

下载Anaconda

wget https://repo.anaconda.com/archive/Anaconda3-5.2.0-Linux-x86_64.sh

 安装

bash Anaconda3-5.2.0-Linux-x86_64.sh

 输入 yes

 继续点击 Enter

 

输入 yes,添加环境变量

输入 no

生效配置

source ~/.bashrc

查看是否生效

conda -V

 4.安装对应版本的pytorch

pytorch官网:pytorch官网找到其对应的命令并修改。

main / nightly 	main / nightly 	>=3.7, <=3.9
torch torchvision python  
1.10.2 	0.11.3 	>=3.6, <=3.9
1.10.1 	0.11.2 	>=3.6, <=3.9
1.10.0 	0.11.1 	>=3.6, <=3.9
1.9.1 	0.10.1 	>=3.6, <=3.9
1.9.0 	0.10.0 	>=3.6, <=3.9
1.8.2 	0.9.2 	>=3.6, <=3.9
1.8.1 	0.9.1 	>=3.6, <=3.9
1.8.0 	0.9.0 	>=3.6, <=3.9
1.7.1 	0.8.2 	>=3.6, <=3.9
1.7.0 	0.8.1 	>=3.6, <=3.8
1.7.0 	0.8.0 	>=3.6, <=3.8
1.6.0 	0.7.0 	>=3.6, <=3.8
1.5.1 	0.6.1 	>=3.5, <=3.8
1.5.0 	0.6.0 	>=3.5, <=3.8
1.4.0 	0.5.0 	==2.7, >=3.5, <=3.8
1.3.1 	0.4.2 	==2.7, >=3.5, <=3.7
1.3.0 	0.4.1 	==2.7, >=3.5, <=3.7
1.2.0 	0.4.0 	==2.7, >=3.5, <=3.7
1.1.0 	0.3.0 	==2.7, >=3.5, <=3.7
<=1.0.1 	0.2.2 	==2.7, >=3.5, <=3.7

复制这一段命令,改成自己需要的版本。

或者点击下面的,previous version去找与自己cuda版本适配的torch

我的cuda是11.0的

Previous PyTorch Versions | PyTorch

# CUDA 11.0
pip install torch==1.8.1+cu111 torchvision==0.9.1+cu111 torchaudio==0.8.1 -f https://download.pytorch.org/whl/torch_stable.html


🍈 使用filezilla连接服务器

当前路径是我项目的路径,后面在pycharm的地址映射也要注意。 


 🍉pycharm的配置

  • 9
    点赞
  • 72
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 3
    评论
服务器是一基于云计算技术的虚拟服务器,可以提供计算、存储和网络等资源。在深度学习可视化方面,云服务器可以提供强大的计算能力和高速的网络连接,使得深度学习任务的训练和可视化更加高效和便捷。 要在云服务器上运行深度学习可视化,你可以按照以下步骤进行: 1. 选择云服务提供商:目前市场上有很多云服务提供商,如AWS、阿里云、腾讯云等。你可以根据自己的需求和预算选择适合的云服务提供商。 2. 选择合适的实例类型:云服务提供商通常会提供多种不同配置的实例类型,你需要选择适合深度学习任务的实例类型。一般来说,需要考虑实例的计算能力(CPU、GPU)、内存容量、存储容量等因素。 3. 安装深度学习框架和相关工具:在云服务器上安装深度学习框架(如TensorFlow、PyTorch)和相关工具(如Jupyter Notebook、TensorBoard)是必要的。你可以通过命令行或者图形界面进行安装和配置。 4. 上传数据集和代码:将需要用到的数据集和代码上传到云服务器上。你可以使用命令行工具或者图形界面进行文件的上传和管理。 5. 运行深度学习任务:使用服务器提供的计算资源,运行深度学习任务。你可以通过命令行或者脚本来启动训练过程,并监控训练的进展。 6. 可视化结果:在深度学习任务运行完成后,你可以使用可视化工具(如TensorBoard)来查看训练过程中的指标变化、模型结构等信息。通过可视化,你可以更好地理解和分析深度学习模型的性能和效果。
评论 3
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

打赏作者

卿云阁

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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