配置云服务器（Jupyter Notebook + PyTorch）

• 前言
• 准备工作
• 远程登陆
• • 密钥登陆
  • 安装 GPU
  • 更新系统
  • 安装 Anaconda
  • 安装 PyTorch
  • 安装 Jupyter Notebook
  • 文件上传与下载
• 参考

因为之后可能还会用到 GPU 服务器，现在这里做个记录，主要涉及如何安装 PyTorch GPU 版本以及用 ssh 远程登陆 Jupyter Notebook

1. Linux 主机
2. 云服务器的密钥文件

!!!这次忘记了在操作之前先创建一个普通用户，因此所有操作都是在 root 下进行的!!!

首先，我们利用云服务器的密钥文件进行登陆：

ssh -i 密钥文件.pem 云服务器主机名@云服务器公网IP

先看一下服务器中有什么：

ls

ll

服务器中有自动安装 nvidia cuda 的脚本，我们直接运行：

./auto_install.sh

结束之后看一下是否成功：

nvidia-smi

nvcc -V

接着更新一下系统：

sudo apt-get update
sudo apt-get upgrade

先创建一个目录：

mkdir anaconda

然后去官网上下载 .sh 文件：

wget https://repo.anaconda.com/archive/Anaconda3-2021.05-Linux-x86_64.sh

下载好之后发现不是可执行文件，用 chmod 修改权限：

chmod 744 Anaconda3-2021.05-Linux-x86_64.sh

再运行：

./Anaconda3-2021.05-Linux-x86_64.sh

之后只要按照提示去安装就好了：

重新登陆，测试一下 conda 环境：

先在 conda 中新建一个虚拟环境（pytorch）：

conda create -n pytorch python=3.9

激活 pytorch 虚拟环境：

conda activate pytorch

按照官网的提示安装最新的 PyTorch GPU 版本：

conda install pytorch torchvision torchaudio cudatoolkit=11.1 -c pytorch -c nvidia

下载好之后进行简单地测试：

python

进入 python 的交互式环境，键入以下命令：

import torch
torch.cuda.is_available()

可以看到，到目前为止一切顺利

按照官网的提示，利用 conda 安装 Jupyter Notebook

conda install notebook

为 Jupyter Notebook 设置密码：

jupyter notebook password

指定端口（8000）打开 Jupyter Notebook

（再次提醒一下，这里最好用普通用户来操作）

之后，在自己主机上打开另一个终端进行操作：

ssh -i 密钥文件.pem -N -L 8080:localhost:8000 云服务器主机名@云服务器公网IP

这样，你就可以在自己主机上的 8080 端口登陆云服务器上的 Jupyter Notebook 了：

最后还有一个 Tips，是关于 scp 命令的使用，它使我们很方便地在主机和云服务器上交换文件：

先登陆云服务器，创建一个名为 test 的测试文件：

touch test

然后回到主机，利用 scp 从云服务器上下载 test 文件到本地：

scp -i 密钥文件.pem -r 云服务器主机名@云服务器公网IP:文件地址 本地文件地址

（其中 -r 表示递归，经常用于目录的复制）

可以看到 test 成功地下载到了本地的当前目录下

接着我们再将它上传至云服务器：

scp -i 密钥文件.pem 本地文件 云服务器主机名@云服务器公网IP:文件地址

这里，我们将本地当前目录下的 test 上传至云服务器为 /root/test2

可以去云服务器验证一下是否成功：

Anaconda 官网
PyTorch 官网
Jypyter 官网