Ubuntu20.04服务器深度学习环境配置教程以及基于Win10的VScode远程连接开发

一. 介绍

本文主要介绍服务器上的深度学习环境配置，以及如何利用本地机器来远程连接使用服务器。

深度学习环境配置总体思路

1）先安装显卡驱动和该驱动最高支持的cuda版本（用nvidia-smi，以及nvcc -V查看）
2）安装Anaconda，创建自己的虚拟环境在虚拟环境中安装pytorch与对应的cuda版本。
查看安装版本方法：
import torch/print(torch.version)/print(torch.version.cuda)
在安装pytorch时需注意，官方安装比较满，一般需要换源，命令如下：
pip install torch torchvision -i https://pypi.mirrors.ustc.edu.cn/simple/
3）在自己的虚拟环境中配置各种包

二. 安装教程

1）Ubuntu20.04系统安装

一般服务器自带启动盘，一直yes就行了。
安装成功后，打开终端，把相应的配置更新一下：

sudo apt update
sudo apt upgrade

2）显卡驱动安装

这里有很多安装教程，介绍一种常用的一种最简单的。
1）常用的方法
以下命令在终端依次执行

# 卸载已有驱动
sudo apt-get --purge remove nvidia*
sudo apt autoremove
sudo apt-get --purge remove "*cublas*" "cuda*"
sudo apt-get --purge remove "*nvidia*"

# 安装推荐驱动
sudo ubuntu-drivers autoinstall

# 重启
sudo reboot

2）最简单的方法
选择设置中的【软件和更新】-【附加驱动】，选择如下图所示。

然后在终端测试一下，是否安装成功

nvidia-smi

显卡驱动安装成功，同时要注意我们显卡驱动的版本为515.65.01，
它能够支持安装cuda的最高版本为11.7，后续安装的cuda版本要小于11.7。

3）cuda安装

本文安装的是cuda 11.3，其他版本类似。
进入官网 https://developer.nvidia.com/cuda-toolkit-archive

cuda 11.3.0/11.3.1 随便选一个就行，这里我选择11.3.1，选择之后进入了下面这个页面，按照我这个选：

随后就会生成下载链接：

在Ubuntu终端执行：

wget https://developer.download.nvidia.com/compute/cuda/11.3.1/local_installers/cuda_11.3.1_465.19.01_linux.run

等待下载后，在终端继续执行：

sudo sh cuda_11.3.1_465.19.01_linux.run

等待几分钟后，弹出一个页面：

执行到这里要注意：先选择[X] Driver 按下回车键，后选择Install

cuda安装完成，但还要将其放入环境变量中，在终端执行：

# 加入环境变量（在终端执行）
sudo vi ~/.bashrc

# 添加以下内容（在弹出的页面最下面添加并保存）
export PATH=/usr/local/cuda-11.7/bin:$PATH
export LD_LIBRARY_PATH=/usr/local/cuda-11.7/lib64:$LD_LIBRARY_PATH

# 执行（在终端执行）
source ~/.bashrc

最后，在终端输入检查一下cuda是否装好：

nvcc -V

系统显示我们已经装好cuda 11.3

4）anaconda3安装

# 下载安装Anaconda（在终端执行）
wget https://repo.anaconda.com/archive/Anaconda3-2022.05-Linux-x86_64.sh
bash Anaconda3-2022.05-Linux-x86_64.sh

# 加入环境变量(在终端执行)
sudo vi ~/.bashrc

# 添加（在弹出的页面下面添加）
export PATH="/home/username/anaconda3/bin:$PATH"

# 执行（在终端执行）
source ~/.bashrc

5）pytorch-gpu安装

使用anaconda创建自己的环境成功后，激活自己的环境，执行如下代码

conda create -n name python==3.7

查看当前环境

conda info --env 

添加清华源

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --set show_channel_urls yes
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/

添加中科大源

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --set show_channel_urls yes

添加阿里云

conda config --add channels https://mirrors.aliyun.com/anaconda/pkgs/free/
conda config --add channels https://mirrors.aliyun.com/anaconda/pkgs/main/
conda config --set show_channel_urls yes

pytorch官网 [https://pytorch.org/get-started/previous-versions/](https://pytorch.org/get-started/previous-versions/)
安装pytorch
```javascript
conda install pytorch==1.4.0 torchvision==0.5.0 cudatoolkit=10.1
# 请注意，此处无“ -c pytorch”，“ -c pytorch”为从官网下载，速度简直不忍直视。

下面是对应版本：

这里有两种安装方式conda和pip

conda install pytorch==1.12.0 torchvision==0.13.0 torchaudio==0.12.0 cudatoolkit=11.3 -c pytorch

这个不成功试试下面这个：

pip install torch==1.12.0+cu113 torchvision==0.13.0+cu113 torchaudio==0.12.0 -f https://download.pytorch.org/whl/torch_stable.html

在终端测试pytorch是否安装成功，首先要激活刚刚建的虚拟环境，然后操作如下：

python
import torch
import torchvision
print(torch.cuda.is_available()) #查看cuda能否使用
print(torch.__version__)  #查看python版本
print(torch.version.cuda) #查看cuda版本

6）VS code远程连接

vscode安装教程不说了，第一步在Ubuntu服务器上安装ssh

# 安装SSH-Server
sudo apt install openssh-server

# 开启防火墙，放行22端口
sudo ufw enable
sudo ufw allow 22

然后从本地电脑官网 https://code.visualstudio.com/Download 下载 VS code


运行VS Code，在左侧点击拓展并搜索Remote-SSH安装插件。

在VS Code左下角点击SSH按钮，在上方选择打开SSH配置文件。
选择第一个路径。
Host 后面自己设置名称，HostName 后添加Ubuntu服务器的IP地址，User 后面添加Ubuntu服务器的登录用户名。

在VS Code左下角点击SSH按钮，在上方选择打开SSH链接。

选择需要访问的服务器
在弹出的窗口中，输入服务器对应用户名的登录密码，完成SSH连接。
然后，打开服务器中的程序或程序文件夹运行进行测试，可能会需要再次输入密码，VS Code会自动安装需要的拓展（如Python和Jupyter Notebook），请留意右下角的提示，点击左下角可选择服务器中的运行环境。
关于ubuntu配置深度学习环境踩的坑，为未来的自己提个醒
pytorch 应当在 anaconda虚拟环境里安装，不然会安装到liunx自带的python里。
如何配置如下：
1、先把电脑设置成独显模式，可以按F2进入bios设置，或者进入windows设置
2、安装nvidia对应的驱动，建议手动安装，在官网需要对于的显卡驱动
3、安装cuda，cuda 是基于nvidia上的一个有助于nvidia显卡跑深度学习网络的一个东东
4、再安装anaconda，并新建一个虚拟环境，且激活
5、在此虚拟环境里安装cudnn（一个针对深度学习的库）
6、在此虚拟环境下安装pytorch-gpu
切记，cudnn 和pytorch-gpu最好都在虚拟环境里安装，免得安装到liunx自带的python里了