成都建设局网站首页,wordpress多版,海南省建设厅网站,seo网站优化培训要多少钱第一步#xff1a;安装 Linux-Ubuntu系统
系统语言设置为英文 ENGLISH#xff0c;防止系统 BUG#xff1b;选择-清除整个磁盘并安装系统#xff1b;设置用户名和密码#xff0c;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#xff0c;…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
# 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
controlcommandT
# 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.1其中的 Addresses.本机端口 路由器上设置端口转发用于本机访问路由器下的指定服务器 更新记录
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
