KUST_LI计算机视觉实验室服务器安装与管理

第一步:安装 Linux-Ubuntu系统

  • 系统语言设置为英文 ENGLISH,防止系统 BUG;
  • 选择-清除整个磁盘并安装系统;
  • 设置用户名和密码,实验室统一
  • 其余全部默认设置

开机后设置磁盘挂载

  • 在系统设置中找到 desk 打开,然后在系统盘中把全部分区合并为 1 个(方便数据存储),然后初始化该分区,最后重命名分区路径到/home/user/data 并重启加载硬盘。

第二步:配置深度学习环境

  • 安装英伟达驱动
  • 安装 CUDA
  • 安装 Anaconda/MiniAnaconda
bash 复制代码
# 更新包
sudo apt-get upgrade                                                                          
# 或者 
sudo apt update


# 安装必备依赖:包括gcc g++ mark等必备依赖
sudo apt install build-essential
# 安装指定依赖
sudo apt install gcc-9 g++-9

# 验证安装
gcc --version

# 安装包
sudo sh *.sh

# 1.安装英文达驱动
sudo sh *.sh
# 查看驱动
nvidia-smi
# 查看cuda版本
nvcc -V

# 2.安装 cuda11.1
sudo sh *.sh
# 取消选择 driver,因为在 NVIDIA 驱动中已经包含了
# 此时 nvcc -V命令应该不起作用,因此需明确指向
# 打开家目录的.bashrc文件
gedit ~/.bashrc
# 在最后 2 行加上该命令,记得把 cuda 版本改成你一样的
export PATH=/usr/local/cuda-11.1/bin${PATH:+:${PATH}}
export LD_LIBRARY_PATH=/usr/local/cuda-11.1/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}
# 关闭并保存更新
source ~/.bashrc
# 继续下载 cudnn 深度学习加速库,移动到对应文件夹:这一步应该是不必须的,对其进行扩充专用于深度学习加速
# 英文达官网下载对应 cuda 版本的 cuDNN
# 将解压后的文件全部放到自己cuda对应版本/usr/local/cuda-11.1的include和lib64中
# 使用命令验证安装是否成功
nvcc -V

# 3.安装Anaconda:不使用sudo 命令,将其安装在 user 下
# 设置默认打开 codna 的 base 环境
gedit  ~/.bashrc
# 文件最后添加
export PATH="~/anaconda3/bin":$PATH
source ~/anaconda3/bin/activate # 终端默认的 python 为 anaconda的 base
# 关闭并保存更新
source ~/.bashrc

# 额外命令
# 打开根目录下的命令行
control+command+T
# 可视化打开文本
gedit text.txt
# 安装 ssh 远程连接
sudo apt-get install openssh-server
# 查看 IP 地址
ifconfig

第三步:网络设置

  • 首先在自己 Ubuntu 服务器上,将 IP 地址设置为手动

    Gateway 和 DNS 保持一致,前面9 位与学校 IP 保持一致最后为.1,其中的 Addresses前面相同.本机端口,端口命名规则为: 100+本机号,比如6 号机位 106。

  • 路由器上设置端口转发(路由器管理界面的高级设置中),用于本机访问路由器下的指定服务器

    6 号机的外部端口 命名规则为: 1000+6=1006


第四步:开机时在启动面板中设置接通电源自动开机


更新记录

  1. 2023年08月20日15:25:36今天实验室师弟带着我重新安装了一遍服务器,希望以后有新机器的时候由我来负责安装系统和配置环境;
  2. 2023年08月22日20:18:00 师弟带领下安装完了实验室的服务器以及配置,把整个过程记录下来,以后要靠自己摸索;

相关推荐
DisonTangor18 分钟前
阿里开源Qwen3-Omni-30B-A3B三剑客——Instruct、Thinking 和 Captioner
人工智能·语言模型·开源·aigc
独孤--蝴蝶20 分钟前
AI人工智能-机器学习-第一周(小白)
人工智能·机器学习
西柚小萌新21 分钟前
【深入浅出PyTorch】--上采样+下采样
人工智能·pytorch·python
丁学文武1 小时前
大语言模型(LLM)是“预制菜”? 从应用到底层原理,在到中央厨房的深度解析
人工智能·语言模型·自然语言处理·大语言模型·大模型应用·预制菜
fie88891 小时前
基于MATLAB的声呐图像特征提取与显示
开发语言·人工智能
路由侠内网穿透1 小时前
本地部署开源持续集成和持续部署系统 Woodpecker CI 并实现外部访问
服务器·网络·windows·ci/cd·开源
程序猿小三1 小时前
Linux下基于关键词文件搜索
linux·运维·服务器
文火冰糖的硅基工坊2 小时前
[嵌入式系统-100]:常见的IoT(物联网)开发板
人工智能·物联网·架构
刘晓倩2 小时前
实战任务二:用扣子空间通过任务提示词制作精美PPT
人工智能
却道天凉_好个秋2 小时前
OpenCV(七):BGR
opencv·计算机视觉