热门标签 | HotTags
当前位置:  开发笔记 > 编程语言 > 正文

如何用GPU服务器运行Python

如何用GPU服务器运行Python-目录前言一、服务器登录1.1下载安装putty1.2putty远程登录 1.3查看GPU、显卡常用命令1.4Linux常用命令二、

目录


前言


一、服务器登录


1.1 下载安装putty


1.2 putty远程登录 


1.3 查看GPU、显卡常用命令


1.4 Linux常用命令


二、Anaconda创建虚拟环境并安装pytorch


2.1 安装Anaconda


2.2 安装Pytorch


三、使用FileZilla拷贝文件至服务器


3.1 下载安装FileZilla


3.2 使用FileZilla传输文件 


四、运行JupyterNotebook


4.1 启动JupyterNotebook 


4.2 切换虚拟环境 


五、运行py文件


5.1 激活虚拟环境


5.2 运行py文件




前言

众所周知,使用本地电脑的CPU跑深度学习代码非常慢,而GPU内在架构做矩阵运算和深度学习的神经网络有着先天的优势,近期本人找到一台安装linux系统的GPU服务器,现将使用过程中摸索的经验分享给大家。


一、服务器登录

1.1 下载安装putty


首先我们要下载putty等软件进行登录服务器


下载连接:https://pan.baidu.com/s/1LZ5jl6Sk3-A3lmnDEdZmVA 
提取码:xuof



1.2 putty远程登录 


双击之后出现如下界面,然后输入服务器的地址(端口号选22),然后点击open进入登录界面 



进入服务器linux操作界面,如下图,输入密码(输入的具体内容不显示,输入完点击Enter即可)



查看显卡详情命令:nvidia-smi


从上图可以看到我们GPU的基本配置,内存为24G,当前有1.5G左右在运行pyton代码


1.3 查看GPU、显卡常用命令


可参考下方博文


查看gpu、显卡常用命令_heituzii的博客-CSDN博客


1.4 Linux常用命令


可参考下方博文


Linux常用命令大全(非常全!!!)_木头大左的博客-CSDN博客_linux常用命令


二、Anaconda创建虚拟环境并安装pytorch

2.1 安装Anaconda


通过下方连接选择需要的Anaconda版本



https://repo.anaconda.com/archive/



然后输入



wget+下载链接 



若成功会出现如下界面



具体过程可以参考下方博客 


如何在Linux服务器上安装Anaconda(超详细)_あなたを待って-CSDN博客_服务器安装anaconda


2.2 安装Pytorch


首先进入Anaconda安装目录


输入ls查看目录列表



ls 



输入cd+文件夹名,进入指定目录,我在自己本地操作目录如下



cd anaconda3/envs/



创建一个叫做 'dir1' 的目录' 



mkdir dir1



激活创建的虚拟环境



source activate dir1 



安装pytorch,进入pytorch官网, 如下链接


Start Locally | PyTorch


选择自己需要的版本,并获取相关命令 



nvidia-smi查看当前GPU版本,可以看到我使用的GPU版本是11.2安装11.3版本最契合



conda install pytorch torchvision torchaudio cudatoolkit=11.3 -c pytorch


然后我们需要什么package就在已激活的Anaconda虚拟环境envs中pip安装即可


putty软件可同时登录多个窗口,我们可以在一个窗口中运行代码,过程中报错什么package没有安装,在另一个窗口中进行虚拟环境安装相应的package即可


关闭虚拟环境



conda deactivate dir1



三、使用FileZilla拷贝文件至服务器

3.1 下载安装FileZilla


链接:https://pan.baidu.com/s/1lsoALuEKZkej58ov6bbL2Q 
提取码:31yg 


3.2 使用FileZilla传输文件 


安装好FileZilla之后将下载好的文件拷贝到服务器指定目录 ,具体操作步骤比较简单,可参照这篇博文FileZilla使用ssh连接linux_破阵的专栏-CSDN博客_filezilla ssh链接 


四、运行JupyterNotebook

4.1 启动JupyterNotebook 


通过cd命令,进入自己的文件夹(先创建自己的工作文件夹),然后输入



jupyter lab 



前面加上nohub可以保证在与服务器断开连接的情况下任然运行代码,当代码结果处理是,或者运行过程中可以去output.out文件中查看日志,此过程中服务器计算资源保持占用,结束之后输入 Kernel——Restart Kernel..解除占用,或者通过鼠标箭头移动到代码上,右键Clear Outputs



输入上述命令,可以生成相应的password和一个端口号,JupyterNotebook, 


在本地电脑打开任意浏览器,输入http://(服务器IP):(生成的端口号)/


进如JupyterNotebook,然后输入相应的password即可完成登录


4.2 切换虚拟环境 


选择Kernel——Change Kernel..可以选择自己搭建的环境,或者切换环境,然后在此环境下运行.pynb文件



五、运行py文件

5.1 激活虚拟环境



source activate+虚拟环境名称 



5.2 运行py文件


在自己想要使用的虚拟环境激活的情况下,cd命令访问py文件所在目录,然后输入命令



python+文件名.py



以上就是我当前使用GPU服务器的经验,分享给大家,希望可以有所帮助。 




推荐阅读
  • 本文探讨了亚马逊Go如何通过技术创新推动零售业的发展,以及面临的市场和隐私挑战。同时,介绍了亚马逊最新的‘刷手支付’技术及其潜在影响。 ... [详细]
  • 毕业设计:基于机器学习与深度学习的垃圾邮件(短信)分类算法实现
    本文详细介绍了如何使用机器学习和深度学习技术对垃圾邮件和短信进行分类。内容涵盖从数据集介绍、预处理、特征提取到模型训练与评估的完整流程,并提供了具体的代码示例和实验结果。 ... [详细]
  • 本文探讨了图像标签的多种分类场景及其在以图搜图技术中的应用,涵盖了从基础理论到实际项目实施的全面解析。 ... [详细]
  • 【图像分类实战】利用DenseNet在PyTorch中实现秃头识别
    本文详细介绍了如何使用DenseNet模型在PyTorch框架下实现秃头识别。首先,文章概述了项目所需的库和全局参数设置。接着,对图像进行预处理并读取数据集。随后,构建并配置DenseNet模型,设置训练和验证流程。最后,通过测试阶段验证模型性能,并提供了完整的代码实现。本文不仅涵盖了技术细节,还提供了实用的操作指南,适合初学者和有经验的研究人员参考。 ... [详细]
  • 通过使用CIFAR-10数据集,本文详细介绍了如何快速掌握Mixup数据增强技术,并展示了该方法在图像分类任务中的显著效果。实验结果表明,Mixup能够有效提高模型的泛化能力和分类精度,为图像识别领域的研究提供了有价值的参考。 ... [详细]
  • 1.如何在运行状态查看源代码?查看函数的源代码,我们通常会使用IDE来完成。比如在PyCharm中,你可以Ctrl+鼠标点击进入函数的源代码。那如果没有IDE呢?当我们想使用一个函 ... [详细]
  • 尽管使用TensorFlow和PyTorch等成熟框架可以显著降低实现递归神经网络(RNN)的门槛,但对于初学者来说,理解其底层原理至关重要。本文将引导您使用NumPy从头构建一个用于自然语言处理(NLP)的RNN模型。 ... [详细]
  • 本文介绍百度AI Studio这一集成开发平台,涵盖丰富的AI教程、经典数据集及云端计算资源。通过具体示例——在AI Studio上构建线性回归项目,帮助初学者快速掌握其核心功能与操作方法。 ... [详细]
  • 深入浅出TensorFlow数据读写机制
    本文详细介绍TensorFlow中的数据读写操作,包括TFRecord文件的创建与读取,以及数据集(dataset)的相关概念和使用方法。 ... [详细]
  • 新手指南:在Windows 10上搭建深度学习与PyTorch开发环境
    本文详细记录了一名新手在Windows 10操作系统上搭建深度学习环境的过程,包括安装必要的软件和配置环境变量等步骤,旨在帮助同样初入该领域的读者避免常见的错误。 ... [详细]
  • 本文详细介绍了 TensorFlow 的入门实践,特别是使用 MNIST 数据集进行数字识别的项目。文章首先解析了项目文件结构,并解释了各部分的作用,随后逐步讲解了如何通过 TensorFlow 实现基本的神经网络模型。 ... [详细]
  • 图神经网络模型综述
    本文综述了图神经网络(Graph Neural Networks, GNN)的发展,从传统的数据存储模型转向图和动态模型,探讨了模型中的显性和隐性结构,并详细介绍了GNN的关键组件及其应用。 ... [详细]
  • 本文介绍了如何使用 Google Colab 的免费 GPU 资源进行深度学习应用开发。Google Colab 是一个无需配置即可使用的云端 Jupyter 笔记本环境,支持多种深度学习框架,并且提供免费的 GPU 计算资源。 ... [详细]
  • 目录预备知识导包构建数据集神经网络结构训练测试精度可视化计算模型精度损失可视化输出网络结构信息训练神经网络定义参数载入数据载入神经网络结构、损失及优化训练及测试损失、精度可视化qu ... [详细]
  • 在Windows环境下离线安装PyTorch GPU版时,首先需确认系统配置,例如本文作者使用的是Win8、CUDA 8.0和Python 3.6.5。用户应根据自身Python和CUDA版本,在PyTorch官网查找并下载相应的.whl文件。此外,建议检查系统环境变量设置,确保CUDA路径正确配置,以避免安装过程中可能出现的兼容性问题。 ... [详细]
author-avatar
手浪用户2602928711
这个家伙很懒,什么也没留下!
PHP1.CN | 中国最专业的PHP中文社区 | DevBox开发工具箱 | json解析格式化 |PHP资讯 | PHP教程 | 数据库技术 | 服务器技术 | 前端开发技术 | PHP框架 | 开发工具 | 在线工具
Copyright © 1998 - 2020 PHP1.CN. All Rights Reserved | 京公网安备 11010802041100号 | 京ICP备19059560号-4 | PHP1.CN 第一PHP社区 版权所有