jupyter环境搭建

之前觉得jupyter notebook是个玩具，但是pycharm使用起来笨重，后面基本都是小的想法都靠jupyter notebook验证了

使用 Jupyter Notebook、NumPy 和 PyTorch 编写简单的个人项目。当你完成它们时 a) 发布良好的、记录良好的代码（参见我的 github） b) 写一篇关于你所做的事情的简短博客文章（参见我的博客）

重装系统

很简单的动作，一般远程服务器，都有服务器管理软件，使用该软件进行加载镜像，重启重装即可。

镜像选择，我一般选择 ubuntu 18.04 desktop（安装点最小安装），后续的步骤有

• 有的服务器老，会出现起不来，要进入recovery模式去clean的问题
• 配置网卡
• 使用sudo passwd 输入密码 来更改密码
• 设置不自动更新
• 配置apt-get 源
• 安装必要的软件SSH，网络工具等

使用docker

一般服务器都有基础镜像

可以使用docker image ls 查看后

使用下列命令进入

docker run -itd --privileged -e “container=docker” -d -v /home/:/home/ -p 9999:9999 --name=容器名字 --gpus all 镜像名:镜像tag /bin/bash 

这个命令对端口，目录进行的映射

当安装好环境后，使用 docker commit 容器id 镜像名字 保存镜像

但是如果镜像过多，可以使用 docker rmi 删除镜像， docker rm 删除容器

安装python

安装选择，一般选择 python 3.10 看需求

一定要先apt install 安装所有的python依赖

sudo apt install build-essential zlib1g-dev libncurses5-dev libgdbm-dev libnss3-dev libssl-dev libreadline-dev libffi-dev libsqlite3-dev wget libbz2-dev liblzma-dev

去python 官网下载 tar包，使用tar -zxvf Python-xxx 解压缩命令后

直接 cd 进入目录

使用命令：

./configure 

make install

安装完毕后，使用 “ln -s 源文件 目标文件” 命令去构建符号软链接

然后进入 ~/.pip/pip.conf 配置 pip 源

安装Nvidia驱动，Cuda

可以使用命令直接安装，但一般会有很多坑

apt install nvidia-driver-525-server nvidia-fabricmanager-525

最好还是直接去下载官网的 对应驱动的 deb 安装程序进行安装

对于cuda也是安装deb包，由于已经安装了driver了，所以进去安装程序要避免安装的时候也安装driver，把安装选项上面的driver取消了，只安装toolkit

然后重启机器。

安装jupyter notebook

一切就绪后，可以使用命令

pip install jupyter

安装完毕后在工作目录，使用命令

nohup jupyter notebook –port 9999 –ip=0.0.0.0 –allow-root > jupyter.log 2>&1 &

这样可以把端口号透传出去，且让jupyter在服务器起来

验证

最后，可以开心的打开notebook

import torch

print(torch.cuda.device_count())

进行验证