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。