安装Conda和配置Jupiter

Conda和Jupiter是服务器研发算法必备。

安装Conda

miniconda可以首次安装，也可以复用环境。

首次安装

安装miniconda，其它版本miniconda或者anaconda均可，命令如下：

bash /nfs/user/files/Miniconda3-py38_4.10.3-Linux-x86_64.sh
1

实际下载地址：https://repo.anaconda.com/miniconda/，约98.8M

修改路径，默认即可：

[/home/user/miniconda3] >>> 
1

注意：配置在共享区域，速度较慢，不推荐。

复用环境

复制.condarc和.bashrc至当前环境，TORCH_HOME是torch模型的存储目录，如下：

cp /nfs/user/files/.condarc /home/user/

# 添加配置命令
# my configs
export PATH=$PATH:~/.local/bin
export TORCH_HOME=/nfs/user/workspace/torch_home/
1
2
3
4
5
6

其中，.condarc是conda的配置：

channels:
  - defaults
show_channel_urls: true
default_channels:
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/msys2
custom_channels:
  conda-forge: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  msys2: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  bioconda: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  menpo: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  pytorch: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  simpleitk: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
channel_priority: disabled
allow_conda_downgrades: true
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16

激活conda：

source /home/user/.bashrc
1

创建conda环境，--clone可选，建议使用tmux，建议备份环境：

tmux new -s conda-init
conda create -n torch-new --clone /nfs/user/conda/envs/torch-new/  # 创建

conda activate # 激活
conda deactivate  # 不激活

# 备份环境
cp -r /home/user/miniconda3 /nfs/user/conda_env/miniconda3-jupyter-20220626
1
2
3
4
5
6
7
8

配置pip源：

mkdir ~/.pip
vim ~/.pip/pip.conf

[global]
trusted-host =  mirrors.aliyun.com
index-url = https://mirrors.aliyun.com/pypi/simple
1
2
3
4
5
6

安装pytorch，使用pip安装较慢，建议使用conda：

• 时间比较长，使用tmux持续窗口。
• 必须安装pytorch cuda 11版本，否则无法正常运行，具体cuda版本，参考nvidia-smi。

conda install pytorch torchvision torchaudio cudatoolkit=11.3 -c pytorch
1

测试GPU是否可用，数据是否可用，参考，两个都需要测试。

# 测试环境
ngpu= 1
# Decide which device we want to run on
device = torch.device("cuda:0" if (torch.cuda.is_available() and ngpu > 0) else "cpu")
print("驱动为：",device)
print("GPU型号： ",torch.cuda.get_device_name(0))


# 测试张量
import 	torch
import  time
print(torch.__version__)
print(torch.cuda.is_available())

a = torch.randn(100, 10)
b = torch.randn(10, 200)
device = torch.device('cuda')
a = a.to(device)
b = b.to(device)
c = torch.matmul(a, b)
print(a.device, c.device)
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21

conda卸载

删除conda文件夹，删除.bashrc的启动命令，和删除配置文件，即可：

• 参考：恢复anaconda环境, 卸载anaconda, 重装anaconda

vim .bashrc
rm -rf ~/.condarc ~/.conda ~/.continuum
1
2

配置Jupiter

Jupyter安装

pip install ipython
pip install jupyter
1
2

配置Jupyter环境，参考After installing with pip, “jupyter: command not found”

vim ~/.bashrc

# shift+g跳转到文件尾部，gg跳转到文件头部

# jupyter
export PATH=$PATH:~/.local/bin
1
2
3
4
5
6

密码设置为123

ipython
from notebook.auth import passwd
passwd()

# 每次都不同
'argon2:$argon2id$v=19$m=10240,t=10,p=8$xxx'

exit
1
2
3
4
5
6
7
8

配置密码：

mkdir ~/.jupyter
vim ~/.jupyter/jupyter_notebook_config.py

# 说明
c.NotebookApp.ip='*' #设置访问notebook的ip，*表示所有IP，这里设置ip为都可访问  
c.NotebookApp.password = u'argon2:$argon2id$v=19$m=10240,t=10,p=8$xxx' #填写刚刚生成的密文  
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.port =8889 #指定访问的端口，默认是8888。  

# 实际，不能有空格或汉字
c.NotebookApp.ip='*'
c.NotebookApp.password=u'argon2:$argon2id$v=19$m=10240,t=10,p=8$6g3OBHTPXjv0nRqo6osQ/Q$tw34Z4uJeMfHJY+jHiqfg8oV7QimObuZnB67upVmNnM'
c.NotebookApp.open_browser=False
c.NotebookApp.port=8889
1
2
3
4
5
6
7
8
9
10
11
12
13
14

进入工作环境，先尝试启动jupyter，再切换nohup模式启动：

cd /nfs/user

jupyter notebook --allow-root
nohup jupyter notebook --allow-root > nohup.jupyter-53.out &

ps aux | grep notebook  # 查看是否启动
1
2
3
4
5
6

访问地址，需要替换为真实IP地址，使用ifconfig查询eth0，例如：http://172.30.0.53:8889/，密码123

配置conda环境到jupyter，参考jupyter notebook 如何配置conda环境：

python -m ipykernel install --user --name torch-new --display-name "torch-new"
1

其他jupyter的kernel环境命令：

jupyter kernelspec list  # 显示所用kernel
jupyter kernelspec remove torch-new  # 删除kernel
1
2