云服务器深度学习环境搭建

在ubuntu 18.04.1系统上配置深度学习环境的步骤如下：

系统初始化环境

• 操作系统: Ubuntu 18.04.1
• 内存: 20G
• CPU: Intel Xeon Sliver 4110 (2.1 GHz) 4核
• GPU: Tesla P4 1颗

安装Linux下的CUDA驱动

1. 登录NVIDIA驱动下载页面或打开链接 https://www.php.cn/link/8c7c866a13f952e17395811408d2fd1b。

2. 选择对应的支持DEB包的操作系统(Ubuntu 18.04), 得到下载链接：

   wget http://us.download.nvidia.com/tesla/418.67/nvidia-diag-driver-local-repo-ubuntu1804-418.67_1.0-1_amd64.deb

3. 安装软件包:

   sudo dpkg -i nvidia-diag-driver-local-repo-ubuntu1804-418.67_1.0-1_amd64.deb

4. 添加key:

   sudo apt-key add /var/nvidia-diag-driver-local-repo-/7fa2af80.pub

5. 使用apt-get命令更新软件包:

   sudo apt-get update

6. 运行apt-get命令安装驱动:

   sudo apt-get install cuda-drivers

7. 运行reboot指令重启。

8. 运行nvidia-smi能输出正确信息代表驱动安装成功。

   其中步骤2-6来源于NVIDIA官网教程。此外，rufile安装、rpm包安装、Windows系统安装等方式也可参见PHP中文网文档。

安装Anaconda

注意：建议在普通用户状态下安装，而非root用户下安装。

1. 进入anaconda官网选择安装包下载：此处选择Linux系统下的Python3.7版本

   wget https://repo.anaconda.com/archive/Anaconda3-2019.07-Linux-x86_64.sh

2. 执行安装文件:

   bash Anaconda3-2019.07-Linux-x86_64.sh

3. 重启shell（或者直接输入bash指令）, 即可使用anaconda3，输入conda指令即可。

   此时控制台输入python，已不再是系统自带的2.7版本，而是anaconda中的python版本。

4. 当在root用户下输入conda提示无指令/python版本仍为2.7时, 执行以下操作：

   sudo gedit ~/.bashrc
   export PATH="/home/ubuntu/anaconda3/bin:$PATH"

5. 若要删除anaconda, 直接将anaconda的安装目录整体删除即可：

   rm -rf /root/anaconda3

6. 关于安装anaconda后，Linux的终端shell界面前面出现(base)字样。

   原因：在打开终端后，自动执行了conda activate base。

   解决：输入conda deactivate即可。要想再次激活，输入conda activate base即可。

创建虚拟环境

1. 创建python=3.7的名字为keras的虚拟环境:

   conda create --name keras python=3.7

2. 激活keras环境:

   conda activate keras

3. 如果想检查现有所有的虚拟环境, 可利用conda指令:

   conda env list

在虚拟环境中安装TensorFlow-GPU

1. 利用conda指令安装tensorflow-gpu:

   conda install tensorflow-gpu

2. 利用代码测试检查TensorFlow是否安装成功, 正确输出即安装成功。

   import tensorflow as tf
   hello = tf.constant('Hello, TensorFlow!')
   sess = tf.Session()
   print(sess.run(hello))

在虚拟环境中安装Keras

1. 利用pip指令安装keras:

   pip install keras

2. 利用代码测试检查keras是否安装成功, 无报错即安装成功。

   import keras

在虚拟环境中安装Jupyter

1. 在虚拟环境中输入jupyter指令, 提示失败。因为并未安装。

   可以使用conda list指令查看已安装的包。

2. 利用conda安装jupyter:

   conda install jupyter

3. 打开jupyter:

   jupyter notebook

   为防止网断导致notebook挂掉，利用screen指令，新开一个screen，以便在后台运行notebook。screen指令的使用，参见附录。

   # 开启screen
   screen
   # 激活环境
   conda activate keras
   # 运行notebook
   jupyter notebook
   # 在网页访问notebook，需要输入token，查看token的方法是jupyter notebook list

访问远程环境

在本地远程访问虚拟环境中的notebook

1. 在本地利用ssh指令实现本地端口转发:

   ssh -L8008:localhost:8888 

利用MobaxTerm建立隧道连接虚拟环境中的notebook

1. 点击Tools, 点击Network下的MobaSSHTunnel(Port forwarding)

2. 点击New SSH tunnel

3. 选择Local port forwarding, 并输入对应内容，点击Save。

   

   智能网站优化SiteSEO1.52

   系统易学易懂，用户只需会上网、不需学习编程及任何语言，只要使用该系统平台，只要会打字，即可在线直接完成建站所有工作。本程序适合不懂php环境配置的新手用来在本机调试智能SiteSEO网站优化软件，安装过程极其简单。您的网站地址：http://localhost您的网站后台：登录地址： http://localhost/admin.php密 码： admin服务器套件所包含的软件：nginx-0.7

   下载

4. 输入Name, 点击开始箭头即可。

5. 此时完成隧道建立, 本地浏览器访问127.0.0.1:8008即可访问远程的Jupyter。

配置Windows本地Spyder（3.3.0及以上）连接远程服务器

1. 服务器端在虚拟环境中, 利用conda/pip指令安装spyer-kernels

   conda install spyder-kernels

2. 服务器端在虚拟环境中, 利用命令python -m spyder-kernels.console，开启一个kernel，并生成kernel-.json文件

   python -m spyder_kernels.console

3. 服务器端在虚拟环境中, 用命令jupyter --runtime-dir找到kernel文件的路径

   jupyter --runtime-dir
   #输出举例：/home/ubuntu/.local/share/jupyter/runtime/

4. 在上述路径中找到kernel-.json文件, 并拷贝到本地端。

5. 在本地的spyder中, 在ipython console右上侧的设置中找到connect to an existing kernel

6. 选中刚刚拷贝好的kernel文件, 选中this is a remote kernel, 并输入host name与密码。（SSH Keyfile不用管）

7. 点击Ok后, 报错如下“Could not open ssh tunnul. The error was: Paramiko not available”：

解决办法为：运行Spyder，在SpyderIPython控制台中输入指令：

   !pip install paramiko

之后，重启spyder，即可。

此时，就可以让spyder连接到服务器了！可以欢快地查看变量了。

配置Windows本地Pycharm连接远程服务器

1. 用pycharm打开一个项目, File -> Settings -> 搜索Project Interpreter -> 在Project Interpreter栏目右侧点击设置图标 -> 选择Add...

2. 点击SSH Interpreter -> 输入远程主机的IP（*..*.)和登录用户名（ubuntu）**

3. 点击后, 输入远程连接的服务器密码

4. 选择远程Interpreter. 点击文件夹图标 -> 选择远程虚拟环境中的python解释器。

   eg：/home/ubuntu/anaconda3/envs/keras/bin/python

   这样虚拟环境就可以使用了。

问题1：Pycharm的Python Console控制台出现中文乱码

【问题描述】

Pycharm默认打开时，python console中如果用到windows下cmd里的命令时，会输出乱码。

【问题原因】

cmd默认的编码是gbk（代码页：936），而python console 里面的编码是utf-8（代码页：65001），由于编码不一致，所以输出时会出现乱码。

【解决办法】

1. File-Setting-Search-console-python console

2. 添加以下代码：

   !chcp 65001

注：file encoding中的编码设置保持默认即可，不要被网上其他博客所误导而乱改，正常如下：

3. 重启python console即可, 效果如下：

附录：screen指令使用

常用参数

• screen -S yourname -> 新建一个叫yourname的session
• screen -ls -> 列出当前所有的session
• screen -r yourname -> 回到yourname这个session
• screen -d yourname -> 远程detach某个session
• screen -d -r yourname -> 结束当前session并回到yourname这个session
• screen -S yourname -X quit ->删除当前screen

快捷键

在每个screen session 下，所有命令都以 ctrl+a(C-a) 开始。

• C-a ? -> 显示所有键绑定信息
• C-a c -> 创建一个新的运行shell的窗口并切换到该窗口
• C-a n -> Next，切换到下一个 window
• C-a p -> Previous，切换到前一个 window
• C-a 0..9 -> 切换到第 0..9 个 window
• Ctrl+a [Space] -> 由视窗0循序切换到视窗9
• C-a C-a -> 在两个最近使用的 window 间切换
• C-a x -> 锁住当前的 window，需用用户密码解锁
• C-a d -> detach，暂时离开当前session，将目前的 screen session (可能含有多个 windows) 丢到后台执行，并会回到还没进 screen 时的状态，此时在 screen session 里，每个 window 内运行的 process (无论是前台/后台)都在继续执行，即使 logout 也不影响。
• C-a z -> 把当前session放到后台执行，用 shell 的 fg 命令则可回去。
• C-a w -> 显示所有窗口列表
• C-a t -> Time，显示当前时间，和系统的 load
• C-a k -> kill window，强行关闭当前的 window
• C-a [ -> 进入 copy mode，在 copy mode 下可以回滚、搜索、复制就像用使用 vi 一样
  • C-b Backward，PageUp
  • C-f Forward，PageDown
  • H(大写) High，将光标移至左上角
  • L Low，将光标移至左下角
  • 0 移到行首
  • $ 行末
  • w forward one word，以字为单位往前移
  • b backward one word，以字为单位往后移
  • Space 第一次按为标记区起点，第二次按为终点
  • Esc 结束 copy mode
• C-a ] -> Paste，把刚刚在 copy mode 选定的内容贴上

重点问题

1. screen的三种状态

   • Attached：有用户登录状态。
   • Detached：暂时离开当前session，将目前的 screen session (可能含有多个 windows) 丢到后台执行，并会回到还没进 screen 时的状态，此时在 screen session 里，每个 window 内运行的 process (无论是前台/后台)都在继续执行，即使 logout 也不影响。 输入screen -d 到此状态。 通过screen -r 再次进入。
   • Dead：被kill了该screen。

2. 如何正常退出screen? 在screen中输入exit指令即可。

3. 当screen状态为Attached时，如何重新登入该screen？

   screen -ls
   screen -D -r 
   解释：-D -r 先踢掉前一用户，再登陆screen
   其中，-D也可用-d替换。