文章目录
- 1. 基础
- 2. 用户访问
- 3. Pytorch环境的问题
- 4. 显卡调度问题
- 方法一：在shell命令前强制指定显卡
- 方法二：在代码中强制指定显卡
- 5. 各种各样的小BUG
- 5.1 Liunx创建新用户登录异常：/usr/bin/xauth: error/timeout in locking authority file /home/user/.Xauthority
- 5.2 服务器更换了地方连不上网，只有IPV6地址，ping不通
实验室刚到一台Dell服务器主机，里面配置一张RTX 4090和RTX 3090显卡，弄了好久终于能成功运行PyTorch深度学习模型，现在将过程描述如下：
1. 基础
首先是系统，选择的是Ubantu 18.02版本，这个直接下载安装就不说了，直接下一步下一步，没什么问题
然后是显卡驱动，这个由于我们的主机是4090，所以下载的最新的显卡驱动525
下载后出现第一个坑：如果你和我们一样，有两张不平衡的显卡，那么下载显卡驱动极有可能会下载的低等级的那个驱动，导致开机异常，表现为开不了机，屏幕一直闪
解决方法：只留高的显卡，我们只留了4090，然后成功可以开机，安装好4090的驱动后，再将3090插入，依然可以启动
解决完举动之后，安装conda和CUDA，conda没什么好说的，直接anaconda3官网下载安装，至于CUDA，这里我们选择的是最新的CUDA 12.0，在官网搜索下载即可，下载安装后需要更新bashrc文件：
使用vim ~/.bashrc打开文件，没有vim就按照提示安装vim或使用gedit。随后在文件底部添加：
export PATH="/usr/local/anaconda3/bin:$PATH"
export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/cuda12.0/lib64
export PATH=$PATH:/usr/local/cuda-12.0/bin
export CUDA_HOME=$CUDA_HOME:/usr/local/cuda-12.0
第一句是conda的命令，后三句是cuda的命令，记得改成自己的相应路径
2. 用户访问
首先需要将该主机设置为可以用ssh访问的状态，这个自行百度即可，但千万注意端口号的修改，我们当时就是因为端口号没有修改成可用状态搁置了很久。
设置完后创建用户，这里出现第二个坑，创建用户后出现无法登陆的BUG，经检查后发现是useradd -d命令没有生成对应的目录导致无法登陆，解决方法是在后面加上一句-m，但加上-m后会出现第三个坑，登陆后没有用户名，只有一个$，解决方法是在useradd 后面加上 -s /bin/bash，最后使用的添加用户的命令为：
useradd 用户名 -d /home/user_1/用户名 -m -s /bin/bash
随后设置相应的密码：
passwd 用户名
创建用户后登录，需要设置bashrc文件以运行显卡
输入代码
vim ~/.bashrc
在尾部添加代码：
export PATH="/usr/local/anaconda3/bin:$PATH"
export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/cuda-12.0/lib64
export PATH=$PATH:/usr/local/cuda-12.0/bin
export CUDA_HOME=$CUDA_HOME:/usr/local/cuda-12.0
更新bashrc：
source ~/.bashrc
初始化conda：
conda init
如果提示没有conda就关闭连接重新ssh接入，再输入
再次连接ssh即可使用conda
3. Pytorch环境的问题
这个是最麻烦的，你或许尝试过conda，尝试过pip，尝试过反复复制Pytorch官网的下载命令，但最后总得到 torch.cuda.is_available()的结果为False
那么这个时候就不要妄想通过PyTorch官网的命令来安好了，什么去掉-c之类的，多半是没有用的，解决办法就是去PyTorch官网去找自己的whl文件下载来安装。具体如下：
首先看到pip命令下面的下载链接：
点进去之后会有下载选项，一般需要下载以下三个依赖包：
这里以PyTorch为例子，点进去之后选择想要的版本，cp指的是python版本，cu指的是cuda版本，一定不能下错，这里以python3.7，cuda11.7为例：
下载后通过winscp传输到服务器中，或者使用U盘传送到服务器中，使用pip install xx.whl安装即可
如果出现报错那么极有可能是：1，python版本问题，下载的时候看仔细；2，文件传输损坏了，重新下载即可。
最后记得验证一下 torch.cuda.is_available()，如果为False则继续重复上述步骤
4. 显卡调度问题
由于我们的服务器配置的显卡型号不一致，使用过程会出现很多问题，显卡不一致不支持双卡并行
我们的是一块4090和一块30-90，尤其是使用4090显卡，若不强制指定会导致3090显卡莫名占用显存，需要设定环境变量，具体如下：
使用4090显卡运行程序示例：
方法一：在shell命令前强制指定显卡
CUDA_VISIBLE_DEVICES="0" python main.py
方法二：在代码中强制指定显卡
在主程序中加入如下代码：
import os
os.environ['CUDA_VISIBLE_DEVICES'] = "0"
然后直接运行：python main.py即可
如需使用另一块3090显卡则将 “0”改为 “1”
显卡型号不一致极有可能和我们这个情况一样
若运行中出现如下警告：
`UserWarning:
There is an imbalance between your GPUs. You may want to exclude GPU 1 which
has less than 75% of the memory or cores of GPU 0. You can do so by setting
the device_ids argument to DataParallel, or by setting the CUDA_VISIBLE_DEVICES
environment variable.
warnings.warn(imbalance_warn.format(device_ids[min_pos], device_ids[max_pos]))`
说明显卡没有配置正确，需要ctrl+c停止代码后指定显卡
建议运行代码后，使用 nvidia-smi检查一下显存，如果两张显卡显存同时升高，则显卡指定有误，需要重新指定
5. 各种各样的小BUG
5.1 Liunx创建新用户登录异常：/usr/bin/xauth: error/timeout in locking authority file /home/user/.Xauthority
先使用su创建文件
sudo mkdir /home/user_1/用户名
赋予权限：
chown 用户名:用户名 -R /home/user_1/用户名
usermod -s /bin/bash 用户名
重置bashrc：
cp /etc/skel/.bashrc ~/
重新添加bashrc文件中的conda等环境变量
5.2 服务器更换了地方连不上网，只有IPV6地址，ping不通
解决方法：
首先进入以太网端口，手动设置IPV4的IP地址，这里因人而异，自行咨询网络管理员吧
然后进入etc/network文件（此时应使用su账号）
cd /etc/network
使用vim打开 interfaces文件
vim interfaces
在文件尾端添加你手动输入的IP地址，网关，子网掩码等：
iface 你的网口名称（ipconfig可以看到，一般是enp0） inet static
address 你的IP地址
gatway 你的网关
netmask 你的子网掩码
然后更新网络即可：
service network-manager restart
先写到这里，后续有什么BUG继续更新
