使用Linux服务器搭建个人深度学习环境
使用Linux服务器搭建个人深度学习环境
- 环境及所需工具
- 连接服务器
- 创建自己的python环境
- 创建深度学习框架的环境(以tensorflow为例)
- 测试环境
- 退出环境
- 删除环境
- WinSCP的使用
- 跑深度学习程序(以上述code文件夹为例)
- ||文本:刚哥||资源支持:Henry||技术支持:豪哥、彪哥||
环境及所需工具
操作系统:Linux(CentOS 7)
配置所需工具:
Putty(操作服务器):
下载地址
WinSCP(本地与服务器之间传输文件):
下载地址
连接服务器
- 打开Putty,在左侧选择session,右侧点击SSH,输入地址
- 输入账号和密码
创建自己的python环境
查看环境:
conda info --envs
此时的Anaconda已经有2个环境(base和tensorflow_test),这两个环境时互不干扰的,他们有属于自己的python版本和深度学习框架版本,因为不同的人使用的版本可能不同,所以需要在evns下创建自己的环境。创建环境:
conda create -n 自己的环境名 pyhton==版本号
在这一步的时候最好写清楚python的版本号,否则可能装的就是python的最新版本,不一定与自己的深度学习框架兼容。自己在复现别人的代码的时候最好看看对应的python版本和深度学习框架的版本,以免报错。
例如:conda create -n jave_tensorflow python==3.5.6
创建一个名为javie_tensorflow的环境,python版本3.5.6 。环境名最好用自己的名字_深度学习框架名(例如jave_tensorflow)框架名来命名,方便使用和查找。等待安装,遇到Process?(y/n),输入y就可以等待自己的python环境创建。
执行完之后使用conda info --envs
指令查看自己的python环境是否已经创建完成。
这里已经显示jave_tensorflow的环境已经创建完成,接下来需要创建深度学习的环境了。
创建深度学习框架的环境(以tensorflow为例)
- 进入自己的环境:
conda activate 自己的环境名
例如:conda activate jave_tensorflow
有时conda没反应的话使用source:source activate jave_tensorflow
我们的环境名出现在root前面的时候说明已经进入到自己的环境中了。
查看环境中的包都有哪些:conda list
这是我们在刚才安装python时的一些基础包。
现在安装tensorflow-gpu (gpu版本的tensorflow):
安装tensorflow-gpu:conda install tensorflow-gpu==版本号
例如:
conda install tensorflow-gpu==1.3
等待安装.
测试环境
自己的环境中,输入python进入到python编译器中:
输入:
import tensorflow as tf
hello = tf.constant('tensorflow test')
sess = tf.Session()
print(sess.run(hello))
成功!
退出python编译器指令:exit()
退出环境
conda deactivate
已经从jave_tensorflow环境中退出
删除环境
conda remove -n 环境名 --all
例如:conda remove -n jave_tensorflow --all
WinSCP的使用
- 打开软件,输入服务器地址、用户名、密码,回车
- 进入软件
- 将自己电脑中的python文件或文件夹拖到服务器中自己的环境下:
从WinSCP进入自己服务器的环境在/root/anaconda3/envs/
下:
这里我们将code文件夹拖拽到服务器中我们自己的环境的文件夹中,其实拖到服务器中的任何位置都行,主要是为了方便找到文件。
- 同理,你可以脱你想脱的任何文件,大家感兴趣的话,可以自己探索服务器.
跑深度学习程序(以上述code文件夹为例)
- 进入自己的环境:
conda activate jave_tensorflow
或source activate jave_tensorflow
- 从服务器 进入code文件夹
cd anaconda3/envs/jave_tensorflow/code
- 查看code文件夹下的内容:
ls
- 运行所需文件
在这里开始训练数据集:执行training.py
python training.py
等待执行,可能开始运行别人的程序的时候可能会报错,如果缺省包的话,安装所需包,在这里缺省的matplotlib包,进行安装:
conda install matplotlib
||文本:刚哥||资源支持:Henry||技术支持:豪哥、彪哥||
使用Linux服务器搭建个人深度学习环境相关推荐
- 基于京东云GPU云主机搭建TensorFlow深度学习环境
TensorFlow是一个开放源代码软件库,用于进行高性能数值计算.借助其灵活的架构,用户可以轻松地将计算工作部署到多种平台(CPU.GPU.TPU)和设备(桌面设备.服务器集群.移动设备.边缘设备等 ...
- 在腾讯云主机上搭建pytorch深度学习环境
在腾讯云主机上搭建pytorch深度学习环境 1.购置[腾讯云主机](https://cloud.tencent.com/? fromSource=gwzcw.234976.234976.234976 ...
- 搭建实用深度学习环境(Ubuntu16.10+Theano0.8.2+Tensorflow0.11.0rc1+Keras1.1.0)
在动手安装之前,首先要确定硬件,系统,准备安装软件的版本,确定这些软硬件之间是否相互支持或兼容.本文安装的主要环境和软件如下: Ubuntu16.10+CUDA8.0(cudnn5.1,CNMEM)+ ...
- 超详细配置教程,搭建 Windows 深度学习环境
点击上方"视学算法",选择加"星标"或"置顶" 重磅干货,第一时间送达 选自 | towardsdatascience 作者 | Ahina ...
- 超详细配置教程,搭建Windows深度学习环境
点上方蓝色"菜鸟学Python",选"星标"公众号 重磅干货,第一时间送到 选自towardsdatascience,作者:Ahinand 机器之心编译 虽然大 ...
- 搭建个人深度学习环境(一)—— 单GPU主机配置
前言 硬件配置 配置表 选择原因 配置总结 系统环境配置及驱动安装 安装ubuntu 16.04 制作启动盘 安装系统(UEFI启动) 安装驱动 网卡驱动 显卡驱动 前言 因为实验室服务器不够用,所以 ...
- 从零开始安装ubuntu22.04并搭建远程深度学习环境
文章目录 一.安装ubuntu22.04 1.制作ubuntu的启动U盘 2.安装ubuntu 3.更新并安装一些基本包 4.中文输入法 二.配置相关环境 1. 安装Nvidia驱动 2.安装anac ...
- 搭建公网服务器及配置深度学习环境
一. 安装centos 7 系统 1. U盘制作启动盘 下载UltraISO: 百度云链接:https://pan.baidu.com/s/1qZRgYIw 打开软碟通,文件->打开,打 ...
- linux服务器做页面,linux服务器搭建在线预览环境
linux版本 Centos.x86_64 需要下载的工具包 openoffice 选择 Linux x86_64 rpm chinese简体中文包 解压并安装 安装openoffice tar zx ...
最新文章
- FFMPEG more samples than frame size (avcodec_encode_audio2) 的解决方案
- java 设计原则_【无尽的编程之路】(java)-设计模式六大原则
- 升技主板RAID磁盘阵列图解
- vue input file onchange_vue常用指令汇总
- Android毛玻璃处理代码(Blur)
- java面试题-精心准备
- SQL Server 2008中的代码安全(四):主密钥
- 交换两个局部变量Integer的值
- JavaSE——异常处理(异常简介、try-catch-finally、throws、throw)
- 257. 二叉树的所有路径
- streamsets添加mysql驱动_StreamSets3.9.1安装说明
- 开源天生就不是为了赚钱!
- SQL STUFF用法很有趣的语法
- Hadoop集群的搭建(结束)——修改hadoop配置文件以及启动集群服务
- Java 线程的创建——8种方法
- 百度网盘免费高速下载(详细过程)
- 前端canvas图片压缩原理解析
- 使用vue-i18n实现多语言
- 微信小程序监听手势左右滑动
- 电脑误删文件如何恢复?两个方法解决你的困扰