服务器安装ubuntu18.04，然后配置环境深度学习环境




U盘启动，装Ubuntu18系统
Ubuntu 的iso镜像下载 https://mirrors.melbourne.co.uk/ubuntu-releases/ 可以选择上面的这个iso，保留一些图形化界面最好，虽然会多占点内存。
U盘刻录软件UltralISO（软碟通）poj下载： https://cn.ultraiso.net/xiazai.html（官网下载） 注册码（随便挑一个填进去）： Registration name: Home Registration code: 4BA9-0D54-214A-C938
Registration name: Heinzdieter Beckmann Jr Registration code: 641D-D430-88E6-A656
Registration name: Steve Olson Registration code: 2BEC-ED28-82BB-95D7
Registration name: Christopher Wydler Registration code: 424F-ED23-7C0A-D75B
然后插入U盘，打开UltrallSO软碟通软件－》文件－》打开－》选择你下好的本地iso文件，打开 然后在上面这个界面中，最上面那一个（ 启动-》写入硬盘映像 ） 先格式化一个U盘（记得买大一些，我的是30G的，记得备份Ｕ盘里的原数据）： 选择exFAT格式化，大小值默认。这里NTFS文件格式是windows用的，而FAT32也不行，因为单文件大小限制在4GB内，显然不适用于深度学习这种大数据文件要求。所以选exFAT格式。 格式化完成之后，直接点击写入，即可。 U盘制作好之后，直接弹出。
我用的服务器是超微，里面有几张GPU卡。
首先打开服务器的电源（竖的图案是通电，圈的图案是断电），
随便找一台显示屏，用D-sub线连接（线的实物如下）： 然后将，键盘和鼠标都插入服务器。
然后将U盘插进去和键盘与鼠标一样连接的USB接口（我插蓝色的USB接口，虽然网上说接口都一样）。
然后系统开机，开机与开电源并不是一个东西，这两个开关在服务器的前后两个不同位置。其中开机用软件也能控制。我刚开始玩的时候找了半天，显示屏一直显示无信号，我一度以为是服务器或者显示屏坏了、、、、
开机的完全结束之前！！！像那种大一点的服务器都是会有画面提示你按什么键位进入bios系统，对于超微，我是按提示疯狂的按Del（删除）和Tab键位，似乎Tab是大写的，我还会按一下shfit键位。总之，主要按tab。然后服务器的开机很慢，然后进入Bios系统。（每个电脑进入bois方式可能不同，可以搜索其进入bios的键位）
成功进入之后，找到boot ->boot mode select选项，从legacy，UEFI，Dual三个启动方式中选择UEFI，然后从UEFI的这么多个启动方式中，找到第一个，按Enter点进去更换，更换成带有“USB　hard disk”字样的选择作为UEFI的第一个选项，然后保存退出即可，他会重启。（UEFI更加智能，我那个服务器2018年买的，是可以选这个启动方式）
这时候，在完全开机前，根据提示，选择invoke方式，按F11（屏幕会有提示）。
然后找到你的kinston(这是我U盘的品牌类型)，然后回车即可！进入安装。（我有些忘了是找到带kinston的还是说找到带USB hard disk的，都试一下）
这样就进入图形界面安装了，直接根据选择语言和时区就可以了（建议用英文版）。
另外，我装系统的方式选择删除掉原来系统，因此下面这里选了第一个。 然后基本上就装好了系统。
服务器简单配置（开启SSH服务）：
刚开始装好了之后是没有网络的，你的服务器需要绑定固定的ip v4的地址。（下面的是中文版，英文版一样的） ip填好后点应用即可，ip没问题的话就有网了 配置ssh，开启ssh服务： 在桌面右键打开terminal终端，执行下面命令
1、下载ssh
sudo apt-get install openssh-server

2、开启ssh服务
sudo /etc/init.d/ssh start

3、ssh重启
service ssh restart

执行12条就可以了，即便是后来ubuntu reboot命令重启，他也会自动连上，不需要再次开启ssh服务。
防火墙是默认关闭的，这时候就可以在远程用ssh通过ip地址，连接本地服务器了。
因为服务器里有英伟达显卡，因此时常用nvidia-smi等命令查看显卡信息。于是要装英伟达驱动包。
先更新安装源，因为linux版本不太新，一些安装源都过期或者没有了，然后需要重启 更新源
sudo apt update

查看推荐的驱动
sudo ubuntu-drivers devices

安装驱动（命令后面的nvidia-driver-470换成上面命令返回的推荐驱动号）
sudo apt install nvidia-driver-470

重启系统
sudo reboot

安装Anaconda3
https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/Anaconda3-2022.10-Linux-x86_64.sh 忘了为什么要下载这个版本了，只记得跑代码好像没有因为anaconda的版本而出过问题。 不支持wget下载，需要在浏览器下载，然后传上去，或者ubuntu的浏览器也可以下载。
cd到下载目录，然后保险起见赋予安装权限命令：
chmod +x Anaconda3-2022.10-Linux-x86_64.sh

安装，然后过程中不断回车
./anaconda3-2022.10-Linux-x86_64.sh

默认安装目录是/home/username/anaconda3 然后等待解压： 然后问你要不要用conda 初始化，输入yes即可。
然后关闭终端，再打开新的终端看到base即成功，后面就可以删除掉安装包。
虚拟环境创建和命令
创建虚拟环境命令, 可指定下载哪个版本python=
conda create --name your_environment_name python=3.8.2

退出conda环境
conda deactivate

激活环境
conda activate name

删除虚拟环境
conda remove --name env_name

根据环境配置文件创建虚拟环境(这个命令先放着，不要用它，因为一个项目那么多包，有很多下载不了)
conda env create -f environment.yaml

导出指定虚拟环境配置
conda env export -n env_name > environment.yaml

查看有哪些环境
conda env list

查看有哪些conda 安装的包
conda list

有时候conda install 《包名》，安装包的时候安装不了就用pip install 《包名》
执行pip install gpustat，然后直接输入gpustat命令，查看gpu状况：
深度学习框架pytorch，对应python包的安装
先用前面的conda create --name your_environment_name python=3.8.2创建好需要的python环境（每个项目的readme文件都会说自己python的版本），然后用activate命令激活创建的your_environment_name环境
先查看自己的显卡支持哪个版本的pytorch，执行命令查看：nvidia-smi 进入pytorch官网 https://pytorch.org/，根据自己的参数选择，我这边是应该下载cuda 11.4，发现版本太久了，于是需要找左下角找以往的版本。 找了一圈发现没有11.4的下载命令，百度了一下11.3也是可以的。
执行官网中推荐版本命令：conda install pytorch==1.12.1 torchvision==0.13.1 torchaudio==0.12.1 cudatoolkit=11.3 -c pytorch，安装那几个包 至此，pytorch环境就已经安装好了。 然后根据项目的readme的markdown文件看看整个项目需要那些其他的python包。直接把他们复制一下，再vi requirements.txt创建文件，按i，粘贴进去，按Esc ，再按:，输入wq! 再回车，保存退出。
然后一次性用pip下载所有包： 用pip下载基本上都是能成功的，用conda下载百分之五十都下载不成功，但是conda很保险对依赖处理的很好。 当然，创建好环境指定安装好python之后，把别人的项目git clone下自己的服务器，直接运行，在看看错误里显示哪些包缺失，缺哪个就pip install 哪个，这样也行，就是费时间而已。
差点忘了git还要下载： 执行命令：
sudo apt install git

然后查看。
之后还有一个问题，就是怎么在自己的windows系统上，用远程软件连接，编码，测试，调试，然后挂进程训练代码等等~~~~~~~~~再说