Linux浪潮云服务器安装Anaconda环境

读研之后在导师的帮助下，获得了浪潮的一台公共云服务器。以后做实验跑代码就可以使用云服务器上的虚拟环境了。减少了自己笔记本的压力。在创建并保存完成镜像环境之后。最重要的就是安装好深度学习需要的Anaconda环境，尝试使用Pycharam进行连接测试了。

我个人想要对刚接触的云服务器尝试下面的两种操作。(先跑一下之前在本地跑过的一个小的项目Vision Transform)

1. 安装好Anaconda环境，并使用vim配置环境变量
2. 创建VIT的虚拟环境，并在服务器中尝试跑一下VIT的训练项目
3. 使用Pycharm进行连接，看看是否可以使用Pycharm来远程连接环境进行实验。

本周对于云服务器的初步尝试，按照下面的流程来进行。

创建镜像与开发环境

在第一次使用云服务系统的时候要先选择一个Pytorch环境，之后将该环境进行保存

保存之后就会得到属于自己的docker环境。之后在创建开发环境的时候就可以直接拉取镜像信息，创建开发环境（可以加载出已经下载好的文件）

在创建完成开发环境之后，可以使用ssh协议（Xshell连接）连接云服务器进行下一步的操作。
（找到自己所创建的文件夹）

安装Anaconda环境

https://repo.anaconda.com/archive/

根据自己Linux环境架构选择相应的Anaconda的文件下载，比如我的架构是x86_64就选择相应的版本下载即可。

直接从服务器上进行下载：

wget https://repo.anaconda.com/archive/Anaconda3-2024.02-1-Linux-x86_64.sh

安装.sh文件进行下载。

bash Anaconda3-2024.02-1-Linux-x86_64.sh

下载完成之后需要进行一部分验证，（在配置环境变量之前）

如果不配置环境变量的话，采用conda -V命令会提示找不到这个命令。

设置环境变量，分别在 /etc/profile 和 ~/.bashrc 文件的最后一行添加，使用 vim 编辑这两个文件即可，然后刷新文件

1. 打开profile 文件

vim /etc/profile

2. 添加环境变量

export PATH=/root/anaconda3/bin:$PATH

3. 刷新文件：

source /etc/profile      
source ~/.bashrc

创建vit的虚拟环境并进行激活

1. 创建VIT项目使用的虚拟环境

conda create --name VIT  python=3.11.9

2. 激活所创建的环境

conda activate VIT

3. 解压打包之后的zip文件夹，并移动数据集到指定的位置处。

unzip flower_data.zip

mkdir flower_data

mv flower_photos/ flower_data

按照之前的格式将项目进行移动。和之前本机启动的结构相同

安装所需要的库尝试进行启动

GPU占用没有设备，因此使用CPU版本的进行启动。

conda install pytorch==2.3.0 torchvision==0.18.0 torchaudio==2.3.0 -c pytorch

conda install tensorboard
conda install matplotlib

执行预测文件进行启动

python predict.py

执行成功得到最后所预测出来的结果信息。

执行训练文件并进行启动

conda install tqdm

执行训练的任务的时候也是可以执行训练任务的

产生的问题与解决

在使用之前也听老师说过云服务器的一个缺陷：关闭连接以后命令不会继续的执行，因此老师建议使用Tmux进行后台的执行

更新库：apt-get update

下载：apt install tmux

新建会话

tmux new -s session-name

则进入一个新的会话。

我们切换到指定的vit环境之后进行分离会话的操作。

分离会话

tmux detach

快捷键： ctrl+b 然后按d

查看会话列表

tmux ls

之前创建的会话正在进行执行。

接入会话

接入最近的会话

tmux attach
接入特定的会话

tmux attach -t <session-name>
也可以使用编号接入会话

杀死会话

使用会话编号杀死会话tmux kill-session -t 0 

使用会话名字杀死会话tmux kill-session -t <session-name>

tmux kill-session -t VIT-train

使用tmux进行后台的训练

使用tmux进行后台的训练并在Xshell离线之后判断是否可以继续的执行训练步骤。

关闭环境使用本地的终端进行查看依旧正在执行中。

使用Pycharm远程连接进行测试

使用专业版的pycharm创建一个ssh连接。

连接成功之后就可以进行进一步的操作了。

上面的是从远程连接中拉取项目，下面的是可以使用远程的服务器环境并上传相关的文件执行。