【VsCode】连接使用远程服务器（python）_vscode配置python远程服务器

一、准备工作

1、安装VsCode：直接官网安装即可。
2、安装需要的VsCode扩展包。
3、配置anaconda环境：如果纯远程，可能这步就不需要啦？

二、连接远程服务器

1、安装插件 remote-ssh
2、点击左侧新出现的图标
3、点击SSH TARGETS的加号，输入‘用户名@服务器IP’，并将其保存到最上面的默认文件。
服务器IP用公网ip，如果和服务器是同个网络，可以用局域ip。

4、选保存到的文件进去编辑一下，加上 Port 端口号（如果有）

Host 【随便定个好记的】
  HostName 【服务器IP】
  User 【用户名】
  Port 【端口号（可能没有）】
1
2
3
4

5、保存后，右键连接，输入密码即可。

三、免密登录

1、在本地和远程服务器上生成ssh公钥 id_rsa.pub
2、把本地的 id_rsa.pub 拷贝到远程服务器上的 authorized_keys
3、修改authorized_keys的权限为600

## 本地终端操作 ##
# 1.生成公钥，一路回车
ssh-keygen -t rsa
# 2.打开id_rsa.pub全部拷贝
cat id_rsa.pub

## 远程服务器操作 ##
# 1.生成公钥，一路回车
ssh-keygen -t rsa
# 2.打开远程服务器的authorized_keys, 粘贴拷贝的本地id_rsa.pub
cd ~/.ssh
vim authorized_keys
# 3.修改权限为600
ll # 查看当前权限
chmod 600 authorized_keys
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15

四、远程服务器使用

1、安装cuda（服务器上应该已经安装了）

## 查看服务器上的cuda版本（2个版本号可能不同）
nvcc -V   # 运行时API/Runtime API
nvidia-smi   # 驱动API/Driver API
1
2
3

安装CUDA 时候会安装3大组件【NVIDIA 驱动、toolkit和samples】NVIDIA驱动用来控制GPU硬件；toolkit里面包括nvcc编译器等；samples/SDK里包括很多样例程序，包括查询设备、带宽测试等等。
上面说的CUDA Driver API是依赖于NVIDIA驱动安装的，而CUDA Runtime API 是通过CUDA toolkit安装的。

根据 nvidia-smi 命令的显示结果（最高版本），在https://developer.nvidia.com/cuda-toolkit-archive 页面下选择合适的版本，进入后选择本地情况，再根据给出的命令进行安装：

用第一条命令下载后，第二条安装命令可能报错，改成下列命令：

# 版本号换成自己的
chmod +x cuda_11.0.3_450.51.06_linux.run   # 给cuda可执行权限
sh cuda_11.0.3_450.51.06_linux.run   # 安装
–no-opengl-libs   # 只安装驱动文件，不安装OpenGL文件
–toolkit   # 只安装CUDA Toolkit，不安装Driver和Samples
–help   # 查看更多高级选项。
1
2
3
4
5
6

若提示Existing package manager installation of the driver found. It is strongly recommended that you remove this before continuing.，选择continue，在下一步中去除driver项。

阅读声明，按enter或者D往下阅读，手动输入accept；
之后会弹出另一个安装界面，在这里选择需要安装的安装项，由于本机已安装显卡驱动Driver，通过上下按键选中Driver，然后按回车取消安装，再点击Install；

如果是非root用户在服务器上安装CUDA，没有足够的权限，需要更改指定目录。
这里只修改自己的环境，对其它用户环境没有影响。

1. 在自己的目录下创建两个目录：cuda-10.1 和 cuda-10.1/mylib
2. 取消安装 Driver 后，选择 Options 选项
3. 先更改Toolkit Options，全不选，再进入 Change Toolkit Install Path 设置cuda安装到建好的 cuda-10.1，做完Done，回到Options菜单
4. 更改 Library install path 为 cuda-10.1/mylib（不改不行，会偷偷写入/var/lib）

选项 install nvidia accelerated Graphics Driver，输入n，因为已经安装了nvidia的驱动；
选项 install the OpenGL libraries，如果只有独显可以选择y，如果双显卡(集显+独显)选择n（选择y的话，会出现黑屏或者循环登录的问题）；
后面的可以都选择yes，最后一个选n，不复制Samples（安装目录下有samples）

添加环境变量：vim ~/.bashrc

在尾部添加（将cuda的各种库目录添加到环境变量）：

export PATH="/home/yourname/cuda-10.1/bin:$PATH"
export LD_LIBRARY_PATH="/home/yourname/cuda-10.1/lib64:/home/yourname/cuda-10.1/mylib/lib64:$LD_LIBRARY_PATH"
1
2

刷新环境变量：source ~/.profile
测试CUDA，显示最新安装的版本：nvcc -V
试一下是否能够使用CUDA，如果不行，输入apt-get install nvidia-modprobe（我没用到）

2、安装cudnn

在官网选择合适的版本，用邮箱注册并下载：https://developer.nvidia.com/rdp/cudnn-archive
选择上面的（Local Installer for Linux x86_64 (Tar)）而不是下面那个（Local Installer for Ubuntu18.04 x86_64 (Deb)），安装简便一些。

将下载后的文件放到服务器上，执行以下命令安装：

# 修改命令中的文件名，替换x.x.x，X.Y为具体的版本号
tar -xvf cudnn-linux-x86_64-8.9.7.29_cuda12-archive.tar.xz
sudo cp cudnn-*-archive/include/cudnn*.h /usr/local/cuda/include 
sudo cp cudnn-*-archive/lib/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

如果是非root用户在服务器上安装CUDA和cudnn，将以上命令的 sudo 都删去
这里CUDA安装到了 ~/cuda-11.0，命令更改为如下

cp cudnn-*-archive/include/cudnn*.h cuda-11.0/include
cp cudnn-*-archive/lib/libcudnn* cuda-11.0/lib64
chmod a+r cuda-11.0/include/cudnn*.h cuda-11.0/lib64/libcudnn*
cat cuda-11.0/include/cudnn_version.h | grep CUDNN_MAJOR -A 2
1
2
3
4

3、安装miniconda（需要在自己的用户目录下安装）

wget https://mirrors.tuna.tsinghua.edu.cn/anaconda/miniconda/Miniconda3-latest-Linux-x86_64.sh   # 下载
bash Miniconda3-latest-Linux-x86_64.sh   # 执行程序
1
2

一路回车键，直到弹出软件协议条款（Ctrl+C可跳过阅读过程），再按照提示输入yes，按回车键。
紧接着会选择软件安装位置，默认位置按回车键即可，也可按照提示进行更改。
在下面会出现no，输入yes再回车。

conda -V   # 查看服务器上的miniconda版本
1

安装完成后需要退出终端后，再次进入才能激活conda命令。
或者不想退出的话，刷新一下环境变量，也能激活conda命令。

source .bash_profile   # 刷新环境变量，激活conda命令（也可退出终端，重新进入）
conda config --set auto_activate_base false   # 防止进入系统时自动进入conda环境
1
2

4、在虚拟环境中安装pytorch

Pytorch 与 CUDA 有对应要求，如Pytorch=1.9.0 需要CUDA=11.1

五、使用

ctrl+c   # 重启服务器终端
conda deactivate   # 如果进入到base，可退出
1
2

vim的相关操作（可以直接用VsCode操作）

rm -f  filename.swap   # 错误退出，去掉E325:ATTENTION提示（不保存修改）
Esc + /string   # 查找字符串（n跳到下一个）
# 多行注释和取消：Ctrl+v 进入VISUAL BLLOCK模式；j向下选取列/k向上选取列；插入需按 Shift+i 进入编辑模式，输入想插入的字符，再按两次Esc；删除直接按x/d 
1
2
3