实验室集群环境配置（包括Anaconda环境搭建、Pytorch框架的安装和Jupyter Notebook的配置）

Anaconda环境搭建

1 复制压缩包

1 2	`home/xx cp Anaconda3-5.2.0-Linux-x86_64.sh home/xx (也可直接手动复制粘贴文件)`

2 安装

1	`bash Anaconda3-5.2.0-Linux-x86_64.sh`

3 添加到到PATH

1 2	`source ~/.bashrc vi ~/.bashrc(查看PATH)`

Pytorch框架和虚拟环境安装（在Anaconda Base下）

1	`source activate base`

1 查看CUDA版本

nvcc -V

2 官网pytorch.org查看pytorch安装指令

根据所在结点的CUDA版本，安装对应支持的pytorch版本，直接拷贝如下代码即可安装。

# CUDA 9.0
conda install pytorch==1.1.0 torchvision==0.3.0 cudatoolkit=9.0 -c pytorch
# CUDA 11.0+
pip install torch==1.8.0+cu111 torchvision==0.9.0+cu111 torchaudio==0.8.0 -f https://download.pytorch.org/whl/torch_stable.html

3 检查是否安装成功

import torch
torch.cuda.is_available()
>>>True
(输出True代表安装成功)

4 创建conda虚拟环境(可以不安装)

1	`conda create -n name python=3.X`

5 退出conda环境

1	`source deactivate`

集群实时进程查看

1 nvidia-smi命令

1 2	`用于查看GPU使用情况，其中GPU Memory Usage决定了你是否还能挤一挤使用 nvidia-smi -l 可实时刷新（每隔五秒）`

2 htop命令

htop
其中各字段含义：
（1）红线上方从左至右、从上至下为：

1
2
3

左边部分为：cpu、内存、交换分区的使用情况；
右边部分为：Tasks为进程总数(87)，线程总数(400)当前运行的进程数、
Load average为系统1/5/10分钟的平均负载情况、Uptime为系统运行的时间。

（2）红线下方各字段的意义如下：

PID：进行的标识号
USER：运行此进程的用户
PRI：进程的优先级
NI：进程的优先级别值，默认的为0，可以进行调整, 越小优先级越高，最小-20，最大20（用户设置最大19）
VIRT：进程占用的虚拟内存值
RES：进程占用的物理内存值
SHR：进程占用的共享内存值
S：进程的运行状况，R（Running，进程正在运行）、S（Sleep，进程休眠）、T（Traced，进程停止）、Z（Zombie，僵尸进程）和D（Disk sleep，硬盘休眠）
CPU%：该进程占用的CPU使用率
MEM%：该进程占用的物理内存和总内存的百分比
TIME+：该进程启动后占用的总的CPU时间
COMMAND：进程启动的启动命令名称

Jupyter notebook配置

1 创建默认config配置文件

1	`jupyter notebook --generate-config`

2 生成访问密码(新开一个终端，根目录下输入ipython进入编译)

In[1]: from notebook.auth import passwd
In[2]: passwd()
Enter: XXXXXX
Verify: XXXXXX
Out[2]: sha1: 'xxxxxxxxxxxxxxxx'
(窗口暂时不要关闭，将引号内的字符串内容拷贝出来，下一步会用到)

3 修改配置文件jupyter_notebook_config.py

设置所有ip可访问
Line204: c.NotebookApp.ip='*'
设置禁止自动打开浏览器
Line272: c.NotebookApp.open_browser = False 
设置访问密码
Line281: c.NotebookApp.password = u'xxxxxxxxxxxxxxxx' （将上一步中拷贝过来的字符串放入引号中即可）
设置端口号，可自定义，尽量不要设置8888，可能会和其他人冲突
Line292: c.NotebookApp.port = 1234