参考：vscode连接远程服务器（傻瓜式教学）
配置服务器pytorch/TensorFlow环境+远程连接vscode
在远程服务器安装anoconda并创建tensorflow-gpu环境并运行jupyter
【vscode连接远程服务器】
step 1：测试服务器连接
win+R 进入 cmd，在命令行输入以下命令，并根据提示输入密码
ssh username@severIP # 用户名@服务器IP地址
step 2：安装 ssh 插件
打开 vscode，在左侧菜单栏的 Extensions 中搜索 remote - SSH 插件，点击 Install 安装
安装完成后，在左侧的菜单栏里会新增加一个 Remote Explorer
step 3：添加服务器连接
点击“+”添加新的服务器连接，在提示框输入 ssh username@severIP， 回车，将其保存至配置文件 C:\Users\xxx\.ssh\config 中（若已有多个服务器，再次添加新的后，记得在 REMOTE 右边刷新一下）
step 4：连接服务器
右键想要连接的远程服务器，点击“Connect in Current Window...”，并根据提示输入密码
左下角显示连接成功
step 4：查看服务器文件
在左侧菜单栏的 Explorer 中点击 username [SSH: ip] 查看远程服务器目录下的文件
【Tensorflow2环境配置】
step 5：Anaconda 环境
连接成功后，在终端 TERMINAL 的右上角点击‘+’打开一个新的终端
我拿到的服务器已经安装过了 minianaconda（教程可参考置顶的链接）
配置 conda 镜像源（参考：conda安装Tensorflow和pytorch经验）
conda config --set show_channel_urls yes
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/conda-forge/
conda config --add channels https://mirrors.bfsu.edu.cn/anaconda/pkgs/main
conda config --add channels https://mirrors.bfsu.edu.cn/anaconda/pkgs/free
conda config --show channels
删除镜像等命令（参考：conda如何添加，删除镜像channel，管理虚拟环境，以及其他常见命令。）
conda config --remove channels https://pypi.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
step 6：安装 Tensorflow2
（1）创建虚拟环境
conda create -n tensorflow python=3.8
（2）激活虚拟环境
conda activate tensorflow
（3）搜索可用镜像
conda search tensorflow-gpu
（4）直接用 conda 安装 Tensorflow2.6.0（conda 会自动安装 cudnn、cudatoolkit）
conda install tensorflow-gpu==2.6.0
（5）测试 GPU 是否可用
python
import tensorflow as tf
tf.test.is_gpu_available()
【Tensorflow 环境配置问题汇总】
【问题 1】我刚开始是用 pip 安装的 Tensorflow2.10.0 版本，经历了各种报错。。。
pip install tensorflow-gpu==2.10.0 -i https://pypi.tuna.tsinghua.edu.cn/simple/
conda install cudatoolkit==11.3.1
conda install cudnn=8.2.1
import tensorflow as tf 报错信息
2023-03-06 01:42:48.783815: I tensorflow/core/platform/cpu_feature_guard.cc:193] This TensorFlow binary is optimized with oneAPI Deep Neural Network Library (oneDNN) to use the following CPU instructions in performance-critical operations: AVX2 AVX512F AVX512_VNNI FMA
To enable them in other operations, rebuild TensorFlow with the appropriate compiler flags.
2023-03-06 01:42:48.936614: I tensorflow/core/util/util.cc:169] oneDNN custom operations are on. You may see slightly different numerical results due to floating-point round-off errors from different computation orders. To turn them off, set the environment variable `TF_ENABLE_ONEDNN_OPTS=0`.
2023-03-06 01:42:48.942636: W tensorflow/stream_executor/platform/default/dso_loader.cc:64] Could not load dynamic library 'libcudart.so.11.0'; dlerror: libcudart.so.11.0: cannot open shared object file: No such file or directory
2023-03-06 01:42:48.942659: I tensorflow/stream_executor/cuda/cudart_stub.cc:29] Ignore above cudart dlerror if you do not have a GPU set up on your machine.
2023-03-06 01:42:48.969748: E tensorflow/stream_executor/cuda/cuda_blas.cc:2981] Unable to register cuBLAS factory: Attempting to register factory for plugin cuBLAS when one has already been registered
2023-03-06 01:42:49.598911: W tensorflow/stream_executor/platform/default/dso_loader.cc:64] Could not load dynamic library 'libnvinfer.so.7'; dlerror: libnvinfer.so.7: cannot open shared object file: No such file or directory
2023-03-06 01:42:49.598980: W tensorflow/stream_executor/platform/default/dso_loader.cc:64] Could not load dynamic library 'libnvinfer_plugin.so.7'; dlerror: libnvinfer_plugin.so.7: cannot open shared object file: No such file or directory
2023-03-06 01:42:49.598988: W tensorflow/compiler/tf2tensorrt/utils/py_utils.cc:38] TF-TRT Warning: Cannot dlopen some TensorRT libraries. If you would like to use Nvidia GPU with TensorRT, please make sure the missing libraries mentioned above are installed properly.
【解决办法】可参考这几篇文章：
小白笔记[1]| 运行tf问题整理(持续完善)
完美解决TensorFlow-gpu报错问题Could not load dynamic library ‘libnvinfer.so.6’ and ‘libcudart.so.11.0’
不要用 pip 安装（手动安装 cudatoolkit 和 cudnn），而是要用 conda 安装（自动安装 cudnn、cudatoolkit）
【问题 2】我换成 conda 来安装后，直接在 tensorflow 导入部分就报错。。。
ImportError: libflatbuffers.so.2: cannot open shared object file: No such file or directory
百度还没找到解决办法，大无语，遂放弃
我不得不放弃了 Tensorflow2.10.0，安装了 Tensorflow2.6.0，结果一次就成功了。。。
所有我前面配了两天的环境，就是全白瞎了呗。。。
【在远程服务器上运行项目】
step 1：将本地项目上传至远程服务器
（我这里使用的是 FileZilla，也可以使用 WinSCP、Xshell 等）
打开 FileZilla，在上方输入 主机、用户名、密码、端口（22） 后，点击右侧的“快速连接”
右侧的“远程站点”会列出远程服务器的文件夹，在左侧的“本地站点”中打开要传输的文件夹
将左侧本地文件夹下要上传的文件，拖拽至右侧远程服务器的文件夹下（右键可管理文件/文件夹）
最下方会显示文件传输队列，等待传输完成即可
step 2：查看服务器文件
在左侧菜单栏的 Explorer 中点击 username [SSH: ip] 查看当前远程服务器目录下的文件
step 3：配置 python 解释器
使用 Ctrl+Shift+P 打开命令面板，
输入 >Python: select Interpret，选择配置好的 Tensorflow2 环境作为远程 python 解释器
step 4：运行/调试远程项目
（1）在左侧菜单栏中点击 Run and Debug，继续点击蓝色框中的 Run and Debug 即可对当前文件进行运行/调试
（项目代码中，在行号前单击即可设置断点）
（2）当前文件右上角点击 Run/Debug Python File，选择运行/调试当前文件
本地和远端同步可参考：VScode实现本地与远端同步开发的两种方式
【注：远程项目更改文件路径】
从本地上传到远程服务器后，文件夹的层次结构发生了改变，因此可能需要改变文件路径
python os 文件路径参考：
Python--OS 方法-获取文件对应路径
python获取当前文件的目录与路径
【清理远程服务器缓存】
参考：记录：在Linux系统下清理GPU缓存
（1）使用 nvidia-smi 查看 gpu 使用情况
或者使用以下命令查看 GPU 上的进程占用
fuser -v /dev/nvidia*
（2）输入以下命令清理进程（PID 见上图，或见上行命令输出）
kill -9 PID
【在远程服务器后台运行 python 程序】
参考：python程序后台运行命令
Linux如何在后台一直运行python程序
当前终端挂掉后，远程服务器上的进程可能也会挂掉。。。
（1）输入以下命令在后台运行 python 程序（test.log 指定输出日志文件）
nohup python main.py > test.log &
注意：main.py 处一定要写全从根目录下的路径（main.py 直接在 /home/usr 根目录下）
（2）输入以下命令可以查看所有进程的状态
ps aux |grep python
每行每个参数的含义可参考：linux命令ps aux|grep 查看进程详解
Linux_ps aux指令与grep指令配合管理进程 （其中第二列为 PID）
（3）结束进程
kill -9 PID // 强制杀死进程
【conda 打包环境】
参考：Python | Conda pack 进行环境打包
conda创建的环境，打包下载，然后在其他设备离线安装环境，python部署时需要依赖，通过conda一步解决依赖迁移问题
（1）安装 conda-pack
conda install -c conda-forge conda-pack
（2）将虚拟环境 env_name 打包为 env_name.tar.gz，打包好的环境就在本文件夹下（ /home/usr ）
conda pack -n env_name
【pycharm 生成项目依赖】
参考：以pycharm为例，生成Python项目所需要的依赖库/包文档：requirements.txt_pycharm中如何导出虚拟环境中的相关库名称与版本号,形成相关requirements.txt文件-CSDN博客
（1）安装 pipreqs
pip install pipreqs
（2）输入以下命令，在项目根目录下生成 requirments.txt
pipreqs ./ --encoding=utf8
推荐链接
您阅读本篇文章共花了：
发表评论