0 引言
对于现在科研人员进行深度学习时，不可避免使用服务器进行模型训练，并且现在的服务器大都是Ubantu系统，则此文章将基于Ubantu系统，为科研人员或者新手小白如何使用服务器进行模型训练
1 连接服务器
Ubuntu 服务器通常通过 SSH 远程连接。假设服务器地址为 server_address，用户名为 username，可以在本地终端使用以下命令连接：
bash
ssh username@server_address # 示例 ：ssh root@111.111.111.11如果是第一次连接，系统会提示你确认服务器的指纹信息，输入 yes 即可。之后会要求输入用户密码，输入完成后就可以登录服务器了。
2. 基本操作
在服务器上，你主要需要操作以下内容：
bash
# 查看当前目录
ls -lh
# 创建文件夹
mkdir project
# 上传文件到服务器
scp local_file.txt username@server_ip:/home/username/project/
# 下载文件到本地
scp username@server_ip:/home/username/project/result.txt ./2.1 软件安装
Ubuntu 使用 apt 包管理器：
python
sudo apt update
sudo apt install python3 python3-pip git -y如果使用 Python 虚拟环境：
python3 -m venv venv
source venv/bin/activate
pip install numpy pandas torch这一部分内容，主要取决于你需要什么，然后再去寻找具体的使用方法为好！
3 GPU 使用（科研常见）
在科研服务器中，GPU 是进行深度学习和大规模计算的重要资源。科研人员常用的基础操作包括查看 GPU 状态、显存使用情况，以及当前 GPU 被哪些进程占用。
3.1 查看 GPU 信息
使用 nvidia-smi 可以查看 GPU 的基本信息：
bash
nvidia-smi输出示例：
+-----------------------------------------------------------------------------+
| NVIDIA-SMI 530.30.02 Driver Version: 530.30.02 CUDA Version: 12.1 |
|-------------------------------+----------------------+------------------+
| GPU Name Persistence-M| Bus-Id Disp.A | Volatile Uncorr. |
| Fan Temp Perf Pwr:Usage/Cap| Memory-Usage | GPU-Util Compute |
|===============================+======================+==================|
| 0 Tesla V100-SXM2 On | 00000000:65:00.0 Off | |
| 30% 45C P0 70W / 300W | 1024MiB / 16160MiB | 5% Default |
+-------------------------------+----------------------+------------------+Memory-Usage ：显示当前显存占用，例如 1024MiB / 16160MiB 表示已用 1024MiB，总显存 16GB。
GPU-Util：显示 GPU 当前的使用率百分比。
3.2 查看当前 GPU 剩余显存
如果只想查看显存剩余，可以使用：
bash
nvidia-smi --query-gpu=memory.free --format=csv输出示例：
memory.free [MiB]
15136 MiB表示该 GPU 还剩 15GB 可用显存。
3.3 查看 GPU 正在被谁使用
要查看当前占用 GPU 的进程及用户，可以使用：
在 Processes 区域可以看到类似：
+-----------------------------------------------------------------------------+
| Processes: |
| GPU PID Type Process name GPU Memory Usage |
|=============================================================================|
| 0 12345 C python train_model.py 800MiB |
| 0 23456 C python test_inference.py 224MiB |
+-----------------------------------------------------------------------------+- PID ：进程 ID，可用
ps -p PID -u查看具体用户和命令。 - GPU Memory Usage：显示每个进程占用显存。
例如查看 PID 12345 的进程用户和命令：
ps -p 12345 -u3.4 实时监控 GPU
可以使用 nvidia-smi 的循环模式，每隔几秒刷新状态：
bash
nvidia-smi -l 5-l 5 表示每 5 秒刷新一次。
可以实时观察显存变化和 GPU 使用率，便于科研任务管理。
通过这些基础操作，科研人员可以快速了解 GPU 状态、显存剩余情况以及占用情况，从而合理分配任务和资源。
4 会话保持（科研必备）
在科研和深度学习实验中，长时间运行的任务（如模型训练、数据处理）可能会因为网络断开或终端关闭而中断。为了保证实验的连续性，我们通常使用 会话保持工具 。常用的工具有 tmux 和 screen。
4.1 tmux使用方法
tmux 是一个终端复用工具，可以在一个终端窗口中创建多个会话、窗口和面板，即使关闭终端或掉线，任务仍然在后台运行。
安装
bash
sudo apt update
sudo apt install tmux-
启动 tmux 会话
tmux
或者创建带名字的会话：
tmux new -s session_name-
分离会话（保持后台运行）
Ctrl + b, d
此时会话会在后台运行，可以安全退出 SSH。
-
重新连接会话
tmux attach -t session_name
-
查看所有会话
tmux ls
-
窗口和面板管理
-
创建新窗口：
Ctrl + b, c
-
切换窗口：
Ctrl + b, n # 下一个窗口
Ctrl + b, p # 上一个窗口 -
水平/垂直拆分面板：
Ctrl + b, " # 水平拆分
Ctrl + b, % # 垂直拆分 -
切换面板：
Ctrl + b, 方向键
4.2 screen 使用指南
screen 是另一个经典的终端多路复用工具，功能类似 tmux，适合快速保持会话。
安装
sudo apt update
sudo apt install screen基础操作
-
启动 screen 会话
screen
或者创建带名字的会话：
screen -S session_name-
分离会话
Ctrl + a, d
-
重新连接会话
screen -r session_name
-
查看所有会话
screen -ls
-
窗口管理
-
创建新窗口：
Ctrl + a, c
-
切换窗口：
Ctrl + a, n # 下一个窗口
Ctrl + a, p # 上一个窗口
4.3 总结
- tmux：功能强大，支持分屏、窗口管理，更适合长期复杂实验。
- screen：轻量易用，兼容性好，适合快速保持任务。
- 对科研工作者来说，掌握会话保持工具，可以大幅提升远程实验效率，避免训练中断，节省时间和精力。