阿里云GPU服务器配置深度学习环境-远程访问-centos,cuda,cudnn,tensorflow,keras,jupyter notebook – 医疗兵皮特儿

阿里云GPU服务器配置深度学习环境-远程访问-centos,cuda,cudnn,tensorflow,keras,jupyter notebook

一、准备工作：

1、阿里云相关设置：

先给阿里云账户充值100元。

选择阿里云ECS云服务器

 

 

搜索：CentOS 7.3(预装NVIDIA GPU驱动和深度学习框架)

 

 

 

安全组添加8888权限

8888/8888

0.0.0.0/0

 

2、软件相关设置：

（1）、使用putty工具链接linux服务器

小字体看的眼晕的话，这里可以改字体，16-18号看起来就可以很舒服了

这里是坑，绝对不要填0，保持激活状态

 

回到这里，双击刚才保存好的链接信息

 

PS：putty终端操作linux鼠标右键是粘贴功能。

 

（2）、Winscp工具传输文件

传文件，传模型都可以

 

二、Linux相关配置：

1、管理员账户添加

添加用户

useradd run

设置密码

passwd run 

设置用户权限

usermod -g root run 

查看所有用户信息

cat /etc/passwd 

重置配置文件，需要root权限才能覆盖，所以丢失该文件之后要第一时间保证root的登录状态，重启就麻烦了（要么重装系统，要么在机箱上装系统盘进行恢复）

cp /etc/passwd- /etc/passwd

在root下编辑passwd

vi /etc/passwd 

如果我新添加的用户名是test那么：

第三个参数设为0即可

test:x:0:0::/home/test:/bin/bash 

光标移动到响应位置后按insert键进行修改。

修改完成后按ESC，输入“：wq”保存即可退出

 

 

#切换用户，切换到run用户 

su run 

命令行之前是#就说明是root权限

 

更改目录权限

sudo chmod -R 777 /home/run/

 

2、conda环境配置

（1）安装bzip2

yum install -y bzip2

 

 

 

 

（2）、安装anaconda

1）、下载

sudo wget https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/Anaconda3-5.3.0-Linux-x86_64.sh

 

2）、安装

sudo bash Anaconda3-5.3.0-Linux-x86_64.sh

回车

空格

 

Yes

 

目录就写：

/home/run/anaconda3

安装中。。。。。。

 

如果出现这句话：

一定要打yes，意思是是否愿意将conda添加到环境变量，实测这里打yes没卵用

 

（3）、conda环境变量配置：

如果没有出现是否愿意将conda添加到环境变量这句话，

就按照下面的步骤操作（出现了打yes也要按照这个来，因为打yes没卵用）

添加anaconda环境变量 
输入命令：

vi /etc/profile 

进入 /etc/profile 文件，在文件末尾加上如下两行代码

 

PATH=$PATH:/home/run/anaconda3/bin  #路径名跟自己实际情况而定

export PATH

 

ESC，:wq保存

 使配置生效

source /etc/profile

 

 

conda --version

这里看到显示版本则说明配置成功

 

 

（4）conda更新

更新conda install的源，清华源

conda config --add channels \'https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/\'

 

设置搜索时显示通道地址

conda config --set show_channel_urls yes

 

更新一下conda

conda update conda

 

3、jupyter notebook环境配置：

（1）、创建jupyter notebook运行环境，

可以方便管理各类库

conda create -n jupyter_notebook python=3

 

激活环境

source activate jupyter_notebook

现在是在jupyter的环境下：

 

 

退出环境：后续所有操作都是在jupyter环境中运行，所以不要退出

source deactivate

 

（2）、安装深度学习所需要的所有库

有conda install尽量用conda install

如果没有就用pip install

为什么，因为conda install快啊。

pip install --upgrade pip

conda install numpy

conda install pandas

conda install tensorflow-gpu

conda install keras

pip install jieba

 

 

（3）、安装jupyter notebook

conda install jupyter notebook

 

测试

jupyter notebook --ip=127.0.0.1 --allow-root

Ctrl+c退出

 

 

（4）、配置jupyter notebook远程访问

jupyter notebook --generate-config --allow-root

生成了一个.py的配置文件

 

生成密码：

ipython

 In [1]，In [2]分别是：

from notebook.auth import passwd
passwd()　

Enter password: 自己输入，记住，等会远程登录使用

Verify password:

Out[2]: \'sha1:f7a4725c96ae:6f4b9089e295405d0e4a2fdfc3d2209f9dd0214f\'

保存好这个out的密码

现在打开.py的配置文件：

vim /home/run/.jupyter/jupyter_notebook_config.py

在最后一行加入：

c.NotebookApp.allow_root = True

c.NotebookApp.ip = \'*\'

c.NotebookApp.password = \'sha1:f7a4725c96ae:6f4b9089e295405d0e4a2fdfc3d2209f9dd0214f\'#这里的密码是刚刚生成的密码

c.NotebookApp.port= 8888

c.NotebookApp.notebook_dir = "/home/run/" #默认目录

c.NotebookApp.open_browser = False

 

在按ESC，输入：:wq保存退出

 

（5）、运行jupyter

jupyter notebook --allow-root

 

All ip 说明允许所有IP进行访问。

 

 

（6）、jupyter本地链接

现在打开浏览器：

输入服务器IP:8888进入

再输入前边passwd()后自己设置的密码：

所有的操作就和本地的jupyter notebook是一样的了

这就是环境配置完成了。

 

 

三、跑代码

别忘了保存模型文件

本地编辑好代码之后，直接粘贴在阿里云的notebook里，时间就是金钱啊，要珍惜每一秒钟。

 

 

四、创建自定义镜像

 

 

创建好之后每次购买阿里云GPU（按量付费）的话，就不用每次都配置了，镜像文件选择自定义镜像就可以了。

 

五、释放实例

跑完代码之后，模型文件保存到本地之后，到阿里云的控制台，选择左侧实例，找到GPU服务器，右侧找到更多→释放实例→立即释放。

 

 

六、再次启动

再次使用实例的时候，那些繁杂的安装就不需要了，前面的自定义镜像就相当于GHOST一个镜像，进行系统还原一样。

只需要：

1，启动激活notebook环境，

source activate jupyter_notebook

2，运行jupyter notebook

jupyter notebook --allow-root

3，启动浏览器，新GPU服务IP:8888进入。

4，Putty+winscp链接新服务器。

就可以了。