整理Ubuntu深度学习服务器初始化操作

前言

这两年总是换服务器，每次配置都挺麻烦的要搜一堆东西，干脆直接整理一下供自己以后参考。

版本说明

Ubuntu 20.04 桌面版

系统配置

配置SSH

安装ssh

sudo apt update
sudo apt install openssh-server
1
2

检查ssh状态

sudo systemctl status ssh
1

• 如需使用VNC远程桌面可以参考这篇教程进行配置

开机自动挂载磁盘

Ubuntu 开机自动挂载硬盘 - CSDN

创建新用户

创建名为dl的用户并设置密码：

sudo useradd -m -s /bin/bash dl
sudo passwd dl
1
2

添加管理员权限：

sudo vim /etc/sudoers
1

添加该行：为dl添加管理员权限并且使用sudo不需要输入密码

dl      ALL=(ALL) NOPASSWD:ALL
1

• 如果sudo还是需要密码，则有可能是被用户组设置覆盖了，为了防止这种问题的出现建议将该行插入到文件末尾。

安装screen

sudo apt install screen
1

修改screen基本设置

显卡驱动以及CUDA安装

CUDA版本的选择应当考虑PyTorch的需求
Ubuntu下安装CUDA

Conda环境配置

安装MiniConda

在MiniConda下载页找到对应版本的安装脚本下载链接，使用wget下载。

wget https://repo.anaconda.com/miniconda/Miniconda3-py38_4.12.0-Linux-x86_64.sh
1

执行安装

sh Miniconda3-py38_4.12.0-Linux-x86_64.sh
1

• 建议安装到公用目录下/opt/miniconda3

初始化Conda

运行以下命令初始化Conda：

/opt/miniconda3/bin/conda init
1

初始化结果：

dl@server:~$ /opt/miniconda3/bin/conda init
no change     /opt/miniconda3/condabin/conda
no change     /opt/miniconda3/bin/conda
no change     /opt/miniconda3/bin/conda-env
no change     /opt/miniconda3/bin/activate
no change     /opt/miniconda3/bin/deactivate
no change     /opt/miniconda3/etc/profile.d/conda.sh
no change     /opt/miniconda3/etc/fish/conf.d/conda.fish
no change     /opt/miniconda3/shell/condabin/Conda.psm1
no change     /opt/miniconda3/shell/condabin/conda-hook.ps1
no change     /opt/miniconda3/lib/python3.8/site-packages/xontrib/conda.xsh
no change     /opt/miniconda3/etc/profile.d/conda.csh
modified      /home/dl/.bashrc

==> For changes to take effect, close and re-open your current shell. <==
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15

可以发现初始化程序修改了~/.bashrc，添加了如下几行：

# >>> conda initialize >>>
# !! Contents within this block are managed by 'conda init' !!
__conda_setup="$('/opt/miniconda3/bin/conda' 'shell.bash' 'hook' 2> /dev/null)"
if [ $? -eq 0 ]; then
    eval "$__conda_setup"
else
    if [ -f "/opt/miniconda3/etc/profile.d/conda.sh" ]; then
        . "/opt/miniconda3/etc/profile.d/conda.sh"
    else
        export PATH="/opt/miniconda3/bin:$PATH"
    fi
fi
unset __conda_setup
# <<< conda initialize <<<
1
2
3
4
5
6
7
8
9
10
11
12
13
14

重启bash或输入source ~/.bashrc重载配置，按道理这时应该能看到(base)。
运行conda -h检查是否安装成功。

创建python虚拟环境

在/opt/miniconda3/envs下创建名为dl版本为python3.8虚拟环境。

conda create -p /opt/miniconda3/envs/dl python=3.8
1

直接运行一般会报错：

Preparing transaction: failed

CondaError: Unable to create prefix directory '/opt/miniconda3/envs/dl'.
Check that you have sufficient permissions.
1
2
3
4

因为/opt下的权限是这样的（通过ls -alh /opt/miniconda3/envs/查看），缺少w权限

drwxr-xr-x root root
1

添加其他用户组的w权限

sudo chmod -R o+w /opt/miniconda3/envs/
1

再次运行环境安装命令，出现下述结果即安装成功：

(base) dl@server:~$ conda create -p /opt/miniconda3/envs/dl python=3.8
...
...
...
#
# To activate this environment, use
#
#     $ conda activate /opt/miniconda3/envs/dl
#
# To deactivate an active environment, use
#
#     $ conda deactivate
1
2
3
4
5
6
7
8
9
10
11
12

通过conda activate dl启动环境。

• 安装在/opt下是为了使得新用户只需要/opt/miniconda3/bin/conda init，即可使用其他用户安装在/opt/miniconda3/envs/下的虚拟环境。

常用设置

为了避免每次使用都需要手动启动环境，将该命令其写入~/.bashrc，顺便也将一些常用的别名写进去。
在~/.bashrc末尾添加：

# 自定义
conda activate dl
alias ll='ls -alFh'
alias smi='nvidia-smi'
alias py='python'
1
2
3
4
5

安装PyTorch

在pytorch官网选择所需的版本的conda安装命令：

conda install pytorch torchvision torchaudio pytorch-cuda=11.6 -c pytorch -c nvidia
1

一个简单的python例子测试是否安装成功：

import torch
x = torch.zeros([2,3]).cuda()
print(x @ x.T)
1
2
3

安装其他必要的库

设置pip国内源

创建pip配置文件

mkdir ~/.pip
vim ~/.pip/pip.conf
1
2

写入中科大源（个人感觉速度最快）

[global]
index-url = https://pypi.mirrors.ustc.edu.cn/simple
[install]
trusted-host = https://pypi.mirrors.ustc.edu.cn
1
2
3
4

常用库

安装这几个，其他所需的库基本都根据依赖自动安装了。

pip install ipython
pip install scikit-learn
pip install matplotlib
pip install pyyaml
1
2
3
4

配置PyCharm远程调试

需要PyCharm专业版，社区版好像没这个功能。

配置远程Python解释器

进入设置 - Python解释器 - 显示所有 - 添加+，新建SSH解释器：

配置SSH信息：

配置文件映射：

其中SSH配置如下：

配置Python解释器位置和工程文件映射路径，如图所示：

最后，勾选Debug设置中的Gevent compatible，避免debug时卡死。

配置文件映射

配置完python解释器后在工具栏 - Tools - Deployment - Configuration 检查文件映射是否正常开启：

将文件映射开启后，在左侧的文件窗口中选中项目根目录，然后点击工具栏 - Tools - Deployment - Upload 将代码上传到服务器。

最后使用Pycharm随便运行一个文件，测试远程解释器是否能正确使用。