ysu-527科研服务器使用指南

一、网络

1. 将联网工具复制到自己的用户目录
   cp -R /tools ~/

2. 配置联网工具

   新建文件：nano ~/.config/yauth.conf

   将以下内容复制进文件中：

   [USER]
   username=20******
   password=*****
   
   [SERV]
   OFFLINE_ALL=False

   将用户名密码修改为自己的用户名密码

   ctrl + x

   输入y

   再按回车保存

3. 联网

   进入联网工具目录：cd tools

   查看使用说明：cat README.md

   一般情况下使用如下命令联网：./yauth -i0 -l

   yangn0@527-17-Super-Server:~/tools$ ./yauth -i0 -l
   Login successfully.

二、软件安装

https://zhuanlan.zhihu.com/p/1908296804832879701

• 一个基本原则：

  大家都需要用的工具就"为所有用户安装"，比如curl​​,tmux​。这些软件需要找具有sudo权限的服务器管理员安装。但涉及到个人环境配置，就让用户自己安装，而不是使用apt安装，比如cuda​。

• 关于conda：

  目前的方案是每个人都自己安装conda到自己的用户目录。

• 关于cuda：

  在深度学习环境中，cuda​是不同用户不一定用同一个版本的，管理员不可以给全部用户安装一个cudatookit包。有些网站教大家到官网下载cudatoolkit包，使用sudo安装后，在/etc/bash.bashrc​文件中添加环境变量。这样的方法会让大家执行nvcc命令时，找到是同一个cuda，而不是他们各自应该使用的cuda版本。更重要的是，cuda应该是在conda虚拟环境下管理的，可以创建conda虚拟环境后，在里面使用conda install​或者pip install​安装，而不是由管理员操心。如果有特殊需求，就请同学自己不使用sudo权限地安装在他们自己的home目录下，在他们自己的.bashrc​引入环境变量，不影响其他人。

  另外有些同学想要sudo权限使用apt安装什么包，查清楚conda命令能不能安装，搞深度学习conda基本都能管理大多数的包，包括cuda、nvcc等。但如果涉及显卡驱动，这确实需要管理员这边保持最新。

深度学习环境

深度学习环境看上去特别麻烦，什么显卡驱动，cuda，cudnn，然而我的经验是，只需要：

（需要管理员）保持显卡驱动最新。由管理员同学管理。

（其他同学）在虚拟环境内根据pytorch官方教程安装pytorch，在conda虚拟环境中自行管理cuda，nvcc这类包就行