腾讯云GPU服务器环境部署与连接配置

先前博主购买了腾讯云的GPU服务器后发现上面预装的环境存在一些问题因此便来重新部署一下。
为了操作方便博主这里使用了一个远程控制端软件Xshell
博主在初始化时已经安装过pytorch了我们首先看看安装的路径

测试环境

import torch
print(torch.__file__)

修改源

这时博主也发现系统帮我们安装了minconda3相较于anconda其体积更小。我们在控制台输入conda测试一下出现下面界面说明是正常的

添加清华源镜像让其安装依赖包速度快些

conda config --add channels http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
conda config --add channels http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r
conda config --add channels http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/msys2

#显示检索路径
conda config --set show_channel_urls yes

#显示镜像通道
conda config --show channels

在配置时会提示没有权限

CondaError: Cannot write to condarc file at /home/ubuntu/.condarc
Caused by PermissionError(13, ‘Permission denied’)

修改一下

sudo chown -R ubuntu /home/ubuntu/.condarc

ubuntu是用户名后面是路径
然后我们再次运行一切正常

这时我们像之前在window那样创建anconda环境即可

创建环境与安装pytorch

conda create -n yolo python=3.8

此时报错

NoWritableEnvsDirError: No writeable envs directories configured.
  - /home/ubuntu/.conda/envs
  - /usr/local/miniconda3/envs

这是没有写入权限造成的修改一下

sudo chmod a+w .conda

再次创建环境成功

查看安装的环境

激活环境source activate yolo

根据cuda版本为11.4安装对应的pytorch

conda install pytorch==1.11.0 torchvision==0.12.0 torchaudio==0.11.0 cudatoolkit=11.4 -c pytorch

运行却失败了因此也只能使用原来的命令安装成功

conda install pytorch==1.12.1 torchvision==0.13.1 torchaudio==0.12.1 cudatoolkit=11.3 -c pytorch

pycharm远程连接

我们再次在pycharm中配置

可以看到所需的依赖都加载完成了。
再次运行还是有问题

sudo+ssh://ubuntu@175.178.111.6:22/home/ubuntu/.conda/envs/yolo/bin/python3.8 -u /home/ubuntu/pythonfile/train.py
/home/ubuntu/.conda/envs/yolo/bin/python3.8: can't open file '/home/ubuntu/pythonfile/train.py': [Errno 2] No such file or directory

该问题是没有将本地代码映射到服务器上导致的在网上找相关资料配置了很久看到说可能与映射路径相关来来回回搞了很多次发现在本地新建的文件是可以写入的但先前的文件却无法写入。这说明我们的目录配置是没有问题的。
然后重新上传一下整个项目右击

然后等着这个过程会很漫长慢慢来。博主晚上导入的早晨醒过来搞定了

此时我们可以看到项目已经映射到服务器上了此时我们再次运行一下

提示我们缺少包了我们只需要将所需要的包配置好即可了。

添加依赖包

sudo apt-get install python3-matplotlib

当然也可以使用pip install matplotlib命令或者使用pycharm中安装。

OK了

查看一下利用率

不得不说比博主笔记本的性能强太多了。
奈斯
最终项目大约训练了4个小时便完成了相较博主原本的笔记本快了不知多少倍而且每次运行时风扇的呼呼声以及由于系统cpu内存的占用而导致无法完成其他的事情可以说真的非常棒比起之前在谷歌白嫖的colab速度也快了不少记得当时博主运行12小时也没完成想必虽然两者是相同的显卡但后者cpu的调用竞争激烈造成了一些瓶颈。