连接事项
找管理员获取 账号 和 密码 ，以及 服务器的 IP 地址及端口号 。
注：学校的可能需要校园 VPN 或者在校园网内才能连接。
链接工具
链接工具：XShell、MobaXterm。
文件交互工具：Xftp、WinSCP。
系统版本
# 查看 Linux 内核版本
cat /proc/version
uname -a
# 查看 Linux 系统版本
lsb_release -a
cat /etc/issue
查询显卡 GPU
lspci | grep -i vga
可有如下显示
标红位置代表显卡型号（16进制）。
在 信号翻译器 中查询显卡型号（16进制）代表的显卡名称。
服务器使用情况
查看服务器显卡使用情况
nvidia-smi # linux命令
watch -n1 -d nvidia-smi # 动态显示显卡使用情况
进程
# 查看某一进程详细情况
ps aux | grep PID
# 杀死一个进程
kill -9 PID
代码中指定使用显卡
import os
# 只用 2 号卡
os.environ['CUDA_VISIBLE_DEVICES']='2'
# 可用 1 号和 2 号卡
os.environ['CUDA_VISIBLE_DEVICES']='1，2'
查询进程归属者
top # linux命令
VSCode 远程连接服务器
利用 SSH 里的远程连接功能直接修改服务器上的代码。
1、下载 VSCode 并安装。
2、在 VSCode 中安装 Remote-SHH 插件。（可通过搜 Chinese 安装中文简体插件，搜 python 安装代码语法高亮和函数结构查看插件）。
3、进行 SSH 信息配置。
# Read more about SSH config files: https://linux.die.net/man/5/ssh_config
Host 连接名称（自定义）
HostName IP地址
Port 端口号
User username
# 如
Host myFirstSSH
HostName 11.111.111.111
Port 6666
User xiaoming
4、SSH TARGETS 列表中启动远程服务器
5、启动连接成功后就可在资源管理中打开服务器中的文件。
Linux服务器环境下非 root 用户安装 Python 及相关库
1、rmdir命令，用于删除空的文件夹，语法格式“rmdir [-p] 文件夹名称”；
-p 删除指定目录之后，若该目录的上层目录已变成空目录，则将其一并删除。
2、rm命令，用于删除一个文件或者文件夹，语法格式“rm -rf 文件夹名称”。
-r 就是向下递归，不管有多少级目录，一并删除
-f 就是直接强行删除，不作任何提示的意思
下载 python 安装包
可通过 官网链接 下载安装包并上传到服务器用户目录下，也可通过以下命令下载：
cd /home/username # 定位到自己用户的目录下
wget https://www.python.org/ftp/python/3.9.13/Python-3.9.13.tgz # 通过链接地址下载 python
解压安装
tar -zxvf Python-3.9.13.tgz
cd Python-3.9.13
# 使用隐藏目录，避免误删,--prefix 指定安装路径
mkdir -p /home/username/.python3.9.13/
./configure --prefix="/home/username/.python3.9.13/"
make
make install
安装成功结果
配置普通用户的环境变量
ls -a 查看目录下所有文件（包括隐藏文件）
vim命令：插入：i
保存退出 ESC+:+wq
cd ~
vim ~/.bashrc # 用 vim 打开文件
# 在打开的 .bashrc 文件最后添加下面内容
# 指定 python 安装目录下的bin 路径
export PATH=/home/username/.python3.9.13/bin:$PATH
# 上面完成后保存退出，在命令行输入下面命令激活设置
# 使用环境变量立即生效
source ~/.bashrc
安装 pip
wget https://bootstrap.pypa.io/get-pip.py
# 如果配置了环境变量，可以不用指定python3.exe的路径，直接用pyton3来执行
/home/username/.python3.9.13/bin/python3 get-pip.py # 未配置环境变量时
python3 get-pip.py # 配置环境变量时
备注：如果是在命令行中执行python文件，直接使用python file.py即可，但是如果要在linux crontab中执行，需要使用完整的python路径，不然使用的就是系统默认的python。
示例：0 08 * * * /home/username/.python2.7.5/bin/python -u daily_report.py
Linux服务器环境下非 root 用户配置 Anaconda 环境
下载 anaconda 并上传到服务器
官网地址：
https://repo.anaconda.com/archive/
官网最新版：
https://www.anaconda.com/products/distribution#Downloads
或者清华镜像：
https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/
anaconda 和 python 版本对应：
https://docs.anaconda.com/anaconda/packages/oldpkglists/
注：下载 anaconda 时需要查看服务器系统版本，并下载和系统匹配的版本。
uname -a
# 或
uname -m
# 或
arch
# 如，系统为 aarch64 ，若下载最新版应为 Anaconda3-2022.05-Linux-aarch64.sh
在 anaconda 安装包目录下，输入以下命令安装
bash anaconda安装包名称
# 如
bash Anaconda3-2022.05-Linux-x86_64.sh
配置环境变量
vim ~/.bashrc
# 在.bashrc文件最后添加下面内容
# add anaconda env
export PATH=/your_path/anaconda3/bin:$PATH
source ~/.bashrc # 激活立即生效
conda 换源
conda 源配置文件在 ~/.condarc
# 生成 .condarc 文件
conda config --set show_channel_urls yes
# 查看源
conda config --show-sources
# 添加清华源到 conda 设置里
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 --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
# 中科大的源
conda config –add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/free/
# 阿里云的源
conda config --add channels http://mirrors.aliyun.com/pypi/simple/
阿里云 http://mirrors.aliyun.com/pypi/simple/
中国科技大学 https://pypi.mirrors.ustc.edu.cn/simple/
豆瓣(douban) http://pypi.douban.com/simple/
清华大学 https://pypi.tuna.tsinghua.edu.cn/simple/
中国科学技术大学 http://pypi.mirrors.ustc.edu.cn/simple/
# 移除源
conda config --remove channels 'https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/'
conda info # 查看 conda 源相关信息
conda clean -i # 清除 conda 的缓存
conda 创建虚拟环境并激活
conda create -n envName python=3.9 # 创建虚拟环境
source activate pytorch # 首次激活
source deactivate # 首次退出
# 以后使用如下命令激活与退出环境
conda activate envName # 激活自创建的虚拟环境
conda activate # 默认激活 base 环境
conda deactivate # 退出虚拟环境
conda remove -n your_env_name --all # 删除虚拟环境
conda env list # 查看所有虚拟环境
conda info -e # 查看 conda 环境
conda list # 查看环境中的包
conda install -n your_env_name [package] # 在指定环境安装包
conda install [package] # 在当前环境安装包
conda remove --name your_env_name [package_name] # 删除指定环境包
conda remove [package] # 删除当前环境的包
which -a pip # 查看 pip 当前所在的环境
注：当我们安装的包在conda中没有时，需要用pip安装
复制虚拟环境
conda create -n your_env_name --clone env_name # 通过复制env_name 虚拟环境来创建一个新的 your_env_name 环境
注：conda复制时只会将原来环境中用conda install等命令安装的包进行复制，不能够复制pip等命令安装的包和软件。
导出虚拟环境
导出虚拟环境，并可在其他设备上直接复现。
conda env export > environment.yaml # 导出当前虚拟环境配置
复制 environment.yaml 文件到其他设备，并在终端执行命令
conda create -f environment.yaml
注：不同操作系统间不能相互复现
安装 jupyter 并配置可在本地主机浏览器使用服务器的 jupyter
前提：安装好了 Anaconda。
安装 jupyter
conda install jupyter
生成配置文件
jupyter notebook --generate-config
生成密码
# 进入 python
# 然后输入如下命令
from notebook.auth import passwd
passwd()
# 之后根据提示输入两次密码，可得到 sha1，复制后面使用
修改 config 配置文件（退出 python 进入终端）
vim ~/.jupyter/jupyter_notebook_config.py
将如下内容添加到 配置文件中
c.NotebookApp.ip='*' #表示侦听所有的ip
c.NotebookApp.password = u'sha:xxxxxx'#刚才复制的
c.NotebookApp.open_browser = False
c.NotebookApp.port =8888 #随便指定一个
修改 XShell
会话管理器 - 选择服务器 - 右击属性 - 隧道 - 添加规则
目标端口为前面配置文件中设置的端口号，侦听端口为浏览器使用的端口号，可自定义。
重启服务器并启动 jupyter
jupyter notebook # 重启后输入此命令
本地主机浏览器访问远程服务器 jupyter
浏览器输入网址：127.0.0.1::8888,打开后输入密码即可访问
此端口号为上面 XShell 隧道设置的侦听端口号
jupyter 使用 conda 虚拟环境为内核
查询所有虚拟环境
conda env list
进入对应虚拟环境，添加内核到 jupyter
activate 环境名称
conda install nb_conda
conda install ipython # 在虚拟环境下安装ipython
conda install ipykernel
conda install -n 环境名称 ipykernel
python -m ipykernel install --user --name 环境名称 --display-name "Python（环境名称）"
运行 jupyter 就可看到对应的环境
jupyter notebook
注：要使用特定环境时，应先进入对应的虚拟环境再打开Jupyter Notebook，这样可以避免出现内核崩溃/无法连接的情况！
jupyter 删除内核
jupyter kernelspec list # 显示所有虚拟内核名称
jupyter kernelspec uninstall 内核名称 # 卸载指定内核
jupyter kernelspec remove 内核名称 # 删除指定内核
注：删除虚拟内核命令仅仅是删除配置文件，并未卸载相应虚拟环境的 ipykernel 。若想再次安装仍可用命令python -m ipykernel install --name kernelname安装。
安装 tensorflow
pip install tensorflow==1.0.0 -i https://pypi.tuna.tsinghua.edu.cn/simple/ # 指定 tensorflow 版本和安装源
检查 tensoflow 是否安装完成
# 在 python 编辑器中输入一下内容
import tensorflow as tf
hello = tf.constant("hello,tensorflow!")
sess = tf.Session()
print(sess.run(hello)
print(tf.test.is_gpu_available())
Colab 使用 Tensorflow 1.x 版本
%tensorflow_version 1.x # 切换 Tensorflow 到 1.x 版本
import tensorflow # 导入tensorflow
print(tensorflow.__version__) # 查询当前 tensorflow 版本
安装 pytorch
前提：确定系统版本和 CUDA 版本，安装相对应的 pytorch版本。
官网主页 https://pytorch.org/ 根据系统类型、CUDA、Python版本选择 conda 安装方式。
验证是否安装成功
在自己创建的虚拟环境中，依次执行以下代码进行验证：
python
import torch
print(torch.__version__)
print(torch.cuda.is_available()) # True
结果为 True 说明框架配置成功，且GPU可用。
安装 cudatoolkit
安装 torchaudio
安装 pytorch
pip 和 conda
conda 是一个开源的、跨平台的、与语言无关的包和环境管理工具，发行于2012年。包管理工具是一个用来自动化安装、升级、删除packages的工具。另有 atp、yum、pip。
Pip是Python包的通用管理器。pip的全称是Pip Install Packages，它是一个Python官方认证的包管理工具。它只能管理python包，通常用于安装发布在Python Package Index（PyPI）上面的包。Pip和PyPI均由Python Packaging Authority（PyPA）管理和支持。
Conda只能在conda环境中安装包，但是可以安装各种语言、各种类型的包。
Pip可以在任何环境中安装包，但是只能安装Python包。
Anaconda 是一个软件发行版。软件发行版是一个预先建立和配置好的packages的集合，可以被安装在操作系统上，并被使用。包含PyData生态中的核心软件的完全发行版，包含了Python本身和数百个第三方开源项目的二进制文件。
Miniconda也是一个软件发行版。Miniconda本质上是一个用来安装空的conda环境的安装器，它仅包含Conda和Conda的依赖，而不包含各种包。
pip 的第三方库比 conda 多。有时 conda 无法安装的包就需要 pip 来安装。
conda install [package] # 安装包，包会放到 Anaconda 的 pkgs 目录，并从此目录中将该库复制到当前环境。
pip install [package] # 在当前环境下安装包
conda uninstall [package] # 删除当前环境下的指定包
pip uninstall [package] # 删除当前环境下的指定包
conda clean -h # 清空 pkgs下的已下载包
安装特定版本包
conda install numpy=1.93
pip install numpy==1.93
参考资料
实验室服务器使用指南：pytorch、tensorflow安装问题、visdom安装问题本地远程调用服务器jupyter问题、本地pycharm远程连接服务器
Linux环境下非root用户安装Python及相关库
Windows 下 python 下载
anconda的使用以及在conda环境中使用pip和conda使用安装依赖的区别和注意事项
服务器配置虚拟环境、jupyter、常用命令
用Xshell远程连接服务器上的jupyter notebook
本地访问远程服务器上的jupyter notebook+jupyter上使用虚拟环境
在Jupyter Notebook中使用Tensorflow-1.13.1（cpu版本）
Pytorch 安装官网教程
Conda创建虚拟环境并安装Pytorch
anaconda创建虚拟环境，安装tensorflow
【Keras】用Anaconda安装Keras，并在IDE（VScode）+jupyter中运行