赞
踩
pytorch为我们搭建深度学习模型提供了很大的便利,尤其是在高性能的GPU服务器上运行时,训练所需时间相比本地电脑要减少很多。本文根据自己的摸索以及研究所里同学的帮助,介绍了如何在GPU服务器上搭建Anaconda+pytorch环境以及如何利用pycharm进行远程连接调用。
首先通过Xftp连接远程服务器,根据服务器主机地址、用户名、密码新建连接,如下图:
Xttp连接上服务器之后,再通过”新建终端“打开Xshell,完成Xshelll对服务器的连接,如下图。
通过Anaconda官网 链接下载对应版本的Anaconda。下载完成后,将文件通过Xttp传入服务器中自己的文件夹中,如上图中的Anaconda3-2020.11-Linux-x86_6.sh文件。
在Xshell中通过cd 切换文件夹目录到Anaconda安装包所在的文件夹,然后执行命令:
bash Anaconda3-2020.11-Linux-x86_64.sh
然后根据安装过程的提示,输入回车或者“y”完成安装。完成安装后,需要对环境进行激活。具体方法为:在Xshell中通cd命令行输入如下两行命令:
chmod 777 activate
source ./activate
完成环境激活后,输入python,出现如下提示,说明环境适配完成。
通过Xshell连接服务器后,根据pytorch官网链接的命令,安装pytorch。
在安装过程中,可能会遇到网络无反应的报错,原因是官网地址下载速度过慢,解决办法为添加国内镜像。这里添加清华的镜像,具体命令如下:
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --set show_channel_urls yes
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
随后再执行安装命令,注意要去掉 -c python,才可以从镜像下载。
conda install pytorch torchvision torchaudio cudatoolkit=9.2
通过镜像安装会发现网络非常顺畅,结束后,我们便完成了pytorch的安装。
在pycharm的setting的Python Interpreter中添加编译器。
再SHH Interpreter中填入服务器地址和用户名。
输入密码后点击下一步。
在Select Python Interpreter中选择编服务器中anaconda安装路径bin文件夹下的python或者python3。在Sync folders选择服务器上用于同步本地文件的地址,完成连接。
最后测试下,是否能顺利调用服务器上的GPU,结果为True,配置成功。
import torch
print(torch.cuda.is_available())
Copyright © 2003-2013 www.wpsshop.cn 版权所有,并保留所有权利。