当前位置:   article > 正文

远程深度学习服务器配( cuda + cudnn + nvidia-cuda-toolkit + docker + vscode)_远程电脑上怎么安装新的cuda

远程电脑上怎么安装新的cuda

一、远程服务器端配置

宿主机配置为:显卡1070ti,系统ubuntu18.04,cuda11.0.3,cudnn8.0.5

1.宿主机基本环境配置

安装ubuntu18.04

安装ubuntu18.04,可以参照该博客的步骤安装。
安装完成后需要替换镜像源并更新

# 首先备份源列表
sudo cp /etc/apt/sources.list /etc/apt/sources.list_backup
# 打开sources.list文件
sudo gedit /etc/apt/sources.list
  • 1
  • 2
  • 3
  • 4

将文件中原有的删除,将清华源复制到文件中。其他源有需要可以查看博客

# 清华源
deb https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ bionic main restricted universe multiverse
deb-src https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ bionic main restricted universe multiverse
deb https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ bionic-updates main restricted universe multiverse
deb-src https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ bionic-updates main restricted universe multiverse
deb https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ bionic-backports main restricted universe multiverse
deb-src https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ bionic-backports main restricted universe multiverse
deb https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ bionic-security main restricted universe multiverse
deb-src https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ bionic-security main restricted universe multiverse
deb https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ bionic-proposed main restricted universe multiverse
deb-src https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ bionic-proposed main restricted universe multiverse
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • 11

点击保存并退出sources.list,然后更新apt-get

sudo apt-get update
  • 1

配置宿主机ssh

apt-get install openssh-server  #安装openssh-server
service ssh start # 启动ssh服务
ps -e | grep ssh #查看ssh服务是否启动

vim /etc/ssh/sshd_config 
#做如下修改
Port 22
PermitRootLogin yes

service ssh restart # 重启ssh服务
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10

安装nvidia显卡驱动

官网驱动下载地址:https://www.nvidia.cn/Download/index.aspx
根据自己的显卡型号选取,这边已1070ti为例:在这里插入图片描述
之后点击Search,然后Download
在这里插入图片描述
下载完成后可在download目录下找到文件

sudo chmod 777 NVIDIA-Linux-x86_64-535.54.03.run #修改文件权限
sudo ./NVIDIA-Linux-x86_64-535.54.03.run #进行安装
  • 1
  • 2

``在这里插入图片描述
安装可能会报nouveau相关的错误,需要禁用nouveau后再安装,可参考博客
禁用自带的nouveau nvidia驱动

# 图形化界面可以用gedit打开
sudo gedit /etc/modprobe.d/blacklist.conf 
# 也可以用命令行打开
sudo vi /etc/modprobe.d/blacklist.conf 
# 如果提示没有vi就安装一下: sudo apt install vi
#在文件末位添加如下两句话,然后保存退出
blacklist nouveau  
options nouveau modeset=0 
#然后更新并重启电脑
sudo update-initramfs -u
sudo reboot
#重启后查看是否禁用nouveau成功
lsmod | grep nouveau #没有结果输出,则表示屏蔽成功
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • 11
  • 12
  • 13

禁用成功后继续安装驱动操作即可,若出现缺少cc、make等情况,自行安装下gcc和make即可。可参考如下命令:

sudo apt-get install gcc
sudo apt-get install make
  • 1
  • 2

安装完成后可通过输入nvidia-smi来验证是否安装成功。成功界面如下:
在这里插入图片描述

安装cuda11.0.3

安装cuda11.0.3,从官网下载文件,这边选择11.0.3版本。
在这里插入图片描述
根据自己的系统情况选择对应的版本
在这里插入图片描述
配置与本文相同的可以直接复制如下代码进行下载安装。

wget https://developer.download.nvidia.com/compute/cuda/11.0.3/local_installers/cuda_11.0.3_450.51.06_linux.run
sudo chmod 777 cuda_11.0.3_450.51.06_linux.run
sudo sh cuda_11.0.3_450.51.06_linux.run
  • 1
  • 2
  • 3

这一步需要等待会,可能会反应比较慢。进入如下界面后将driver的选中取消,我们已经在前面安装过了。然后选择Install继续即可。
在这里插入图片描述
执行完成后,添加环境变量,参考博客

sudo gedit ~/.bashrc
# cuda path
export CUDA_HOME=/usr/local/cuda
export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/cuda/lib64
export PATH=$PATH:/usr/local/cuda/bin
  • 1
  • 2
  • 3
  • 4
  • 5

安装完成后输入nvcc -V查看是否安装成功。
在这里插入图片描述
到这里cuda也就安装成功了。

安装cudnn

下载cudnn文件,官网地址,根据cuda版本选择合适的cudnn文件。
在这里插入图片描述

tar -xzvf cudnn-11.0-linux-x64-v8.0.5.39.tgz #解压
#然后把cudnn文件复制到cuda目录下
sudo cp -d cuda/include/cudnn*.h /usr/local/cuda/include
sudo cp -d cuda/lib64/libcudnn* /usr/local/cuda/lib64
sudo chmod a+r /usr/local/cuda/include/cudnn*.h /usr/local/cuda/lib64/libcudnn*

#查看cudnn版本
cat /usr/local/cuda/include/cudnn_version.h | grep CUDNN_MAJOR -A 2
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8

在这里插入图片描述
版本确实为8.0.5,cudnn安装成功。

2.配置docker

安装docker

#直接安装
sudo apt install docker-ce
#相关命令
sudo docker images #查看镜像
sudo docker ps -a #查看容器
  • 1
  • 2
  • 3
  • 4
  • 5

安装NVIDIA Container Toolkit

参考博客

#添加源
distribution=$(. /etc/os-release;echo $ID$VERSION_ID)
curl -s -L https://nvidia.github.io/nvidia-docker/gpgkey | sudo apt-key add -
curl -s -L https://nvidia.github.io/nvidia-docker/$distribution/nvidia-docker.list | sudo tee /etc/apt/sources.list.d/nvidia-docker.list

#更新路径并安装nvidia-container-toolkit
sudo apt update
sudo apt-get install -y nvidia-container-toolkit
sudo systemctl restart docker
docker start $(docker ps -aq) #启动所有容器
docker exec -it <容器名称或ID> /bin/bash #进入容器
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • 11

安装镜像

镜像下载地址,选择如下镜像,复制后面链接进行下载。
在这里插入图片描述
安装完成后通过docker iamges进行查看,会发现镜像安装成功。
在这里插入图片描述
可以通过Dockerfile自己定制镜像,我也是初学,对着b站上抄了一份配置文件。视频地址,可以去看一下,三连支持。
里面根据自己需求可以增删一些模块。

FROM nvidia/cuda:11.0.3-cudnn8-devel-ubuntu18.04 

ADD sources.list /etc/apt/
ENV PATH /opt/conda/bin:$PATH
EXPOSE 8080

#Install basic dependencies
RUN ln -sf /usr/share/zoneinfo/Asia/Shanghai /etc/localtime && \
    echo "Asia/Shanghai" > /etc/timezone
RUN apt-get update && apt-get install -y --no-install-recommends \
	bzip2 \ 
	g++ \
	git \
	graphviz \
	libgl1-mesa-glx \
	libhdf5-dev \
	openmpi-bin \
	vim \
	libopencv-dev \
	libsnappy-dev \
	python-dev \
	python-pip \
	build-essential \
	wget && \
      rm -rf /var/lib/apt/lists/*

# Install anconda for python 3.6
ADD Anaconda3-2023.03-1-Linux-x86_64.sh /home/anaconda.sh
RUN /bin/bash /home/anaconda.sh -b -p /opt/conda && \
    ln -s /opt/conda/etc/profile.d/conda.sh /etc/profile.d/conda.sh

#Set Locale
ENV LANG C.UTF-8 LC_ALL=C.UTF-8

#Initialize workspace
RUN mkdir /workspace
WORKDIR /workspace

CMD ["/bin/bash"]


  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • 11
  • 12
  • 13
  • 14
  • 15
  • 16
  • 17
  • 18
  • 19
  • 20
  • 21
  • 22
  • 23
  • 24
  • 25
  • 26
  • 27
  • 28
  • 29
  • 30
  • 31
  • 32
  • 33
  • 34
  • 35
  • 36
  • 37
  • 38
  • 39
  • 40
  • 41

根据视频内容,Dockerfile文件夹中有这三个文件,anaconda文件有需求的话自己下载一下,sources.list用与宿主机相同的文件即可(见本文开头的配置)
在这里插入图片描述

docker build -f Dockerfile -t nvidia/cuda:V1 . #V1这个是TAG,自己随意命名
  • 1

安装完成后会获得一个新的镜像,定制镜像就成功了。

创建容器

#将容器的22端口和6000端口分别映射到宿主机的8001和8002端口,之后可以通过宿主机端口进行访问容器
#-v 实现容器卷挂载,将容器内/data目录挂载到宿主机/data/docker1目录下
sudo docker run --gpus all -it --privileged=true --name=docker1 -p  8001:22  -p  8002:6000  -v /data/docker1:/data  镜像名称或者编号 /bin/bash
  • 1
  • 2
  • 3

配置容器内ssh

apt-get install openssh-server  #安装openssh-server
service ssh start # 启动ssh服务
ps -e | grep ssh #查看ssh服务是否启动

vim /etc/ssh/sshd_config 
#做如下修改
Port 8001
Port 8002
PermitRootLogin yes

service ssh restart # 重启ssh服务
passwd   #修改密码
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • 11
  • 12

完成后,即可在宿主机上通过端口对其进行访问,如

sudo ssh root@172.17.0.3 -p 8001
  • 1

二、内网穿透

内网穿透选择使用zerotier实现

1.创建zeirtier账号

创建完成后创建一个网络,记住NETWORK ID即可,后面通过这个链接。
在这里插入图片描述

2.在宿主机上安装zerotier

#直接安装即可
curl -s https://install.zerotier.com | sudo bash
zerotier-cli join NETWORK_ID #输入自己网络的ID
sudo systemctl restart zerotier-one
  • 1
  • 2
  • 3
  • 4

3.在本地机上安装zerotier

官网直接下载即可,直接安装,安装完成后同样输入自己的Network ID

在这里插入图片描述
之后到zerotier网站上,自己的那个网络里,把刚加入的两个网络的前面的勾打上,将两端机器组网成功。
在这里插入图片描述
之后在本地端可以直接连接到服务器,不同网络下都可以。

三、本地机端配置

1.安装并配置VSCode

可以查看文档https://www.autodl.com/docs/vscode/,pycharm的链接方式也有,很详细。

2.安装Xshell7和Xftp7

可以使用Xshell7和Xftp7配合vscode,官网免费下载地址,下载完正常安装就行。
打开Xshell7新建一个连接,如下,输入zerotier上服务器的ip和端口号。(要连接容器就把端口号设置为容器的端口,如上文的8001、8002)

在这里插入图片描述
这个绿色的小按钮是Xftp的功能,打开既是Xftp。用于两端文件传输。
在这里插入图片描述

声明:本文内容由网友自发贡献,不代表【wpsshop博客】立场,版权归原作者所有,本站不承担相应法律责任。如您发现有侵权的内容,请联系我们。转载请注明出处:https://www.wpsshop.cn/w/IT小白/article/detail/963340
推荐阅读
相关标签
  

闽ICP备14008679号