后面看的计算机视觉相关论文，模型都太复杂，搭建出来可以，但是机器跑不动，还是用GPU服务器跑吧。

1、GPU服务器操作

1.1 先激活环境

conda activate tf2.3
1

tf2.3是我服务器上的虚拟环境。

1.2 生成配置文件

jupyter notebook --generate-config
1

由于这里我用的GPU服务器是windows系统，所以生成的文件位置如下：

1.3 生成密码的哈希值

运行命令：python

安装notebook

pip install notebook
1

生成密码：

from notebook.auth import passwd
passwd()
1
2

这里需要连续两次输入密码(密码就是客户端远程连接时输入的密码)

把底下生成的密钥保存好。

1.4 修改配置文件

修改1.2中的配置文件

直接添加如下内容

c.NotebookApp.ip = '*' # *表示所有IP，这里设置ip为都可访问
c.NotebookApp.password = '上面那长串密钥' #这里就是上面的字符串，这个可以设置也可以不设置
c.NotebookApp.port = 6008   # 这里的端口可以自己定义，也可以每次启动时通过控制台传参设定
c.NotebookApp.open_browser = False# 禁止notebook启动时自动打开浏览器(在linux服务器一般都是ssh命令行访问，没有图形界面的。所以，启动也没啥用)
c.NotebookApp.allow_remote_access = True
c.NotebookApp.allow_root = True
1
2
3
4
5
6

其实配置文件中是由上面几个配置项的，但是不在一块，需要找到并放开注释，这里直接加在文件开头是为了方便。

1.5 服务器启动Jupyter Notebook

2、客户端连接远程Jupyter Notebook

客户端直接用服务器的ip+端口号即可访问。

这里输入在1.3中设置的密码

  可以看到，没有任何问题，这样就可以在本地访问服务器上面的Jupyter Notebook了，可以起飞，跑大模型了。

  VGG16将近一亿四千万的参数说跑就跑，再也不担心模型跑一个挂一个了。