在服务器上安装虚拟环境。

1. 虚拟环境

在服务器上可以安装不同的虚拟环境，这些虚拟环境之间互不影响，不同的虚拟环境可以安装不同的python版本，不同的框架。

给服务器连网
方法1：在windows系统中，按Windows+R，输入mstsc，输入服务器的ip登陆，然后在浏览器里登陆
方法2：联网的命令：curl -d "callback=dr1583040563683&DDDDD=upass=&0MKKey=123456&R1=0&R3=0&R6=0&para=00&v6ip=&_=1583040239097" http://10.10.43.3/drcom/login
注销的命令：curl http://10.10.43.3/drcom/logout?callback=dr1583041023742&_=1583041015901，执行完后按一下回车
安装Anaconda
wget https://repo.anaconda.com/archive/Anaconda3-5.2.0-Linux-x86_64.sh
运行安装向导
bash Anaconda3-5.2.0-Linux-x86_64.sh
为了激活安装，你应该源~/.bashrc文件：
source ~/.bashrc
确认安装成功
conda --version
然后使用which python查看你当前使用的是哪个python，如果输出的目录是data/anaconda/python说明你当前使用的还是服务器自带的python，需要重新练连接一下服务器。如果输出是data/WangBeibei/anaconda/python，说明当前使用是自己安装的anaconda

配置清华镜像
使用conda创建虚拟（运行）环境。conda和pip默认使用国外站点来下载软件，我们可以配置国内镜像来加速下载（国外用户无须此操作）。

1
2
3

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

修改Anaconda的环境变量
参考资料

创建虚拟环境

1 2	conda create -n mxnet python=3.6#创建虚拟环境 conda activate mxnet#激活虚拟环境

在虚拟环境中安装第三方库
注：虚拟环境中第三方库的cuda版本一定要和服务器的cuda版本一致。
安装
- pip install mxnet-cu100
- pip install nni==1.2
- pip install tensorboard
- pip install tensorboardX
- pip install mxboard
- pip install dgl-cu100

cat /usr/local/cuda/version.txt查看服务器cuda版本

 
#安装对应版本的mxnet，安装mxnet-cu100是GPU版本的mxnet，
#如果仅使用pip install mxnet安装的CPU版本。
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple mxnet-cu100  
#安装pytorch   
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/ 
conda install pytorch torchvision cudatoolkit=10.1

删除虚拟环境
conda remove -n gluon--all
为了确定这个名为flowers的环境已经被移除，输入以下命令conda info -e ,会看到已经没有gluon这个环境

jupyetr notebook安装插件
安装jupyter 插件 Nbextensions

pip install jupyter_contrib_nbextensions -i https://pypi.mirrors.ustc.edu.cn/simple
jupyter contrib nbextension install --user
pip install --user jupyter_nbextensions_configurato
jupyter nbextensions_configurator enable --user

常用插件

Autopep8
需要pip install autopep8 后使用，代码自动对齐
AutoSaveTime
设置自动保存时间的时间间隔
Codefolding
代码折叠
Execute Time
统计cell的执行时间及执行结束后的时间
Freeze
冻结代码块或者使代码块read-only
Hinterland
代码自动补全
Variable Inspector
变量查看器
spellchecker
拼写检查
Scratchpad
在jupyter notebook 中添加一个便签式的cell以供随时
Snippets
预先定义代码块
使用程序修改需要定义的代码块：
ScrollDown
有新的输出时自动翻滚至底部
nbtutor
代码可视化插件，需要额外安装

2. 常用命令

conda info -e
查看当前服务器上都有哪些虚拟环境,下面截图中显示，当前存在2个虚拟环境，其中带*的是当前正在使用的虚拟环境。
screen -S WBB（超级有用！！！）
因为是外网服务器，所以网络连接经常断开，连接一断开，运行在上面的程序就不能运行了，所以创建虚拟窗口，在这个虚拟窗口内运行程序，就算网络断开了，程序依然会继续运行
screen -D -r ＜session-id>
先踢掉一个用户，再登录
screen -S id -X quit
删除一个screen
source activate gluon
激活虚拟环境gluon，若要在gluon这个虚拟环境下安装一些库，需要先切换到这个环境下，然后使用conda install xxx或者pip install xxx，优先选择使用conda install xxx。安装完之后可以通过conda list查看当前已经安装的包。
jupyter notebook
第一次使用jupyter notebook，需要映射端口号，默认jupyter notebook的端口号是8888，但是在这个集群上，如果别人已经把8888端口占用了，集群会自动给你分配一个端口号，然后在putty中映射一下这个端口，具体操作如下：
在菜单栏选中change setting，找到Tunnels
ctrl+A+D退出虚拟窗口
当把程序运行之后，使用以上按钮退出虚拟窗口，这样程序就在后台运行，就算把电脑换机了，程序还是会运行
使用清华源下载
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple pykafka

和conda有关
conda --version
通过使用如下update命令来升级conda：
conda update conda

pip install 库名
pip install 库名 --upgrade
# 或者
conda install 库名
conda update 库名

# 更新所有库
conda update --all

# 更新 conda 自身
conda update conda

# 更新 anaconda 自身
conda update anaconda

# 查看已安装的包
conda list

使用conda install xxx或者pip install xxx，优先选择使用conda install xxx。安装完之后可以通过conda list查看当前已经安装的包
删除一个虚拟环境
conda remove -n gluon--all 为了确定这个名为flowers的环境已经被移除，输入以下命令conda info -e ,会看到已经没有gluon这个环境
查看GPU的占用情况
nvidia-smi
在screen运行jupyter程序
screen -S jupyter
source activate gluon
source deactivate
jupyter notebook
screen -r jupyter
screen -X -S 122128 quit
查看当前的进程是谁的
ps -ef | grep 35230
在windows在激活虚拟环境
activate gluon
deactivate gluon

在网页中查看tensorboard，使用容器或者screen开一个进程监听6006端口。tensorboard的端口默认是：6006，使用下面的命令

run -it -p 6688:6006 -v $PWD:/root --runtime

                        
    进入到容器之后，然后使用下面的命令启动tensorboard

    `tensorboard --logdir=.`
    
    然后在浏览器上http://gpu28:6688，就可以看到在网页上看到

# 3. 问题

1. 虚拟环境配置出错
   我创建了一个gluon的虚拟环境，使用`source avtivate gluon`激活这个环境时，在这里面装了mxnet框架。但是在screen中启动jupyter notebook时，import mxnet时却报错说no module names mxnet，然后我退出jupyter notebook（仍在screen中），使用which python查看当前使用的python，仍然是base的python，不是env/gluon中的python，因为base中的python没有装mxnet，所以import会出错。那怎么把gluon虚拟环境中的python换成env/gluon中的python呢？
   参考这个网址：[http://www.pianshen.com/article/2276285026/](http://www.pianshen.com/article/2276285026/)   
   在虚拟环境下运行以下命令：
   `ipython kernelspec list`
   查看jupyter notebook内核指定的python运行环境位置，然后cd到这个目录中，会看到有一个kernel.json文件，使用vi命令编辑这个文件，将python解释器的位置换成`/data/WangBeibei/anaconda3/envs/gluon/bin/python` 
   ![](虚拟环境安装/python.png)   
   然后使用`source deavtivate`断开gluon虚拟环境，在重新激活`source avtivate gluon`，然后再启动`jupyter noteboook`就可以了。    
   如果还是出错，使用`conda install ipykernel`命令，然后再重新激活虚拟环境，再次启动`jupyter notebook`.
2. cuda出错  
   我创建了一个虚拟环境，名为mxnet，在这个虚拟环境中使用`pip install -i https://pypi.tuna.tsinghua.edu.cn/simple mxnet-cu100`安装GPU版本的mxnet。然后再虚拟环境mxnet中使用python运行以下命令可以成功运行。

   ```python
    import mxnet as mx
    from mxnet import nd   
    z = nd.ones(shape=(3, 3), ctx=mx.gpu(0))

然后我创建了一个screen，在这个screen中source activate mxnet启动虚拟环境，然后使用python运行以上相同的代码，却出错。

1	OSError: libcudart.so.10.0: cannot open shared object file: No such file or directory

查了资料解决方案如下：
按Ctrl+A+D退出screen。然后查看.bashrc的内容，原先是

将其修改如下：修改完之后使用source .bashrc激活
当有多个PATH时，中间使用冒号拼接。

然后再screen，再次运行上述的python代码成功。

cuda版本出错
查看系统cuda的版本，安装对应版本的深度学习框架
cat /usr/local/cuda/version.txt如果安装错了，先使用pip uninstall mxnet-cu100，删除原先的mxnet，然后再使用pip install mxnet-cu101安装对应的版本.