前言
此文寫給實驗室的學弟學妹們，以便快速配置環境少踩坑。計算資源是公共資源，學長學姐有自己的研究任務，無法像企業運維人員那樣周到的看護服務器，服務器的穩定運行有賴於每個使用者合理使用。菜，是原罪(推眼鏡)。【和你用同一個服務器的人正在跑實驗，突然掛掉了，發現是你在瞎搞，內心會很崩潰】
一、總覽
目前的部署是單服務器的形式，使用起來也很簡單，一般也就把程序放在一個服務器上跑，有在準備分佈式，是後話了。
大夥用自己的電腦就行了，window或者mac都行。本地寫代碼，遠程連接，上傳，程序在服務器上跑，本地圖形化界面還是很方便的，多媒體支持也好，你可以一邊寫代碼，一邊聽音樂，在程序提交以後看看文章或是做PPT。
二、準備工作
- 讓管理服務器的學長在特定服務器上幫你開一個賬號，目前你有了登錄所需的 “服務器IP，賬戶名，密碼”。
- windows下載並安裝遠程連接軟件，mac自帶bash和ssh之類了。
- 終端模擬軟件，XShell，支持SSH(默認端口22)，輸入“服務器IP，賬戶名，密碼”，登錄以後就可以在小黑框裏敲命令了。
- 文件傳輸軟件，XFTP，ftp和sftp都支持，系統默認開的sftp，ftp看該服務器有沒有開vsftp服務。
- 也可以用MobaXterm，二合一，網址：https://mobaxterm.mobatek.net/
- MobaXterm詳細使用教程：https://zhuanlan.zhihu.com/p/61013117
- 其他相關SSH軟件裏面也有提到，咱只要會登錄能敲命令，會上傳下載文件就行，剩下不用管。
三、預備知識
同學們可能本科時候Linux用的少，不熟練是正常的，好好補充相關知識，是少搞事的關鍵，況且linux是開發繞不開的。
首先是linux基本的目錄結構：https://www.runoob.com/linux/linux-system-contents.html
同學們的東西一般在 /home/[賬戶名]/ 的目錄下，例如/home/Alice/，大家井水不犯河水
關於linux的root權限：
root說白了就是超級管理員賬戶，你幹啥都暢通無阻，但也有了搞癱服務器的機會，學長信任你把賬號給你可能就是悲劇的開始。網上有一些教程上來就拿權限，因爲人家在自己的電腦的ubuntu上搞，崩了也無所謂，省事，但服務器公共資源，底層環境壞了影響別人，root權限還是不給的好，各位同學看教程也辯證的看。
然後基本的linux命令自己學，最好知其所以然。命令太多了，不搞運維，常用的會了就行，要用的臨時查。
放一點常用的：https://blog.csdn.net/heros_never_die/article/details/106363409
特別注意粘貼該用shit+insert，ctrl+c在這是鍵盤中斷。
四、配置環境
本機windows配置IDE就夠了，遠程服務器配置python和各種框架。
方案有很多種，我各種都用過了，核心功能都差不多的，剩下的那些蘿蔔青菜各有所愛，知乎上比較一堆，聊聊核心區別。
1.本地IDE的選擇
pycharm和vscode。最有區別的地方之一是遠程模式。
- 一般的pycharm是通過文件傳輸同步的ftp/sftp，換句話說，你本地電腦有一份工程文件，服務器上也有一份，修改好了以後用快捷鍵ctrl+shift+alt+x上傳覆蓋，也可以從服務器下載覆蓋本地實現回滾。
- vscode就遠程服務器上一份工程文件夾，本地默認沒有(你也可以選擇下載備份)，你界面裏的修改直接作用於服務器文件，感覺上更接近中斷模擬軟件了。有插件可以記錄你的修改，然後選擇修改生效或是回滾，有備份需求的可以使用git命令和git插件(pycharm也有)。
實際上專業版的pycharm也有遠程同步功能，不過如果用的社區版的話，就得用模式1那種，vscode目前免費。
2.服務器配置
- Docker，和虛擬機差不多，連底層一起全套打包，特別適合有用到虛擬環境的，做普通任務的不一定需要。
- Anaconda，也會創建虛擬環境，但是有些東西對底層還有一些依賴，自動處理衝突並尋找兼容性的版本，你可以創建不同版本python的環境，它可以調整CUDA版本(這對深度學習框架很重要)。
- 裸python，省去激活環境，可以直接用pip(有不少教程用這種方法)，對底層的依賴更高，而你沒有root權限(於是你用不了教程裏的apt-get,yum)，得想辦法手動非root安裝，還要手動調整動態鏈接庫/環境變量， 以防止不同版本打架或是不小心用到系統python。
- 系統python，不是自己的機子，沒有可能性，除非你能像那位同學一樣能讓噁心所有同學並老師害怕，然後獨自霸佔一臺機子。或者家裏有礦自己整一臺。
總的來說，找到的教程是裸python的多，因爲有不少在自己機子的ubuntu上用root玩的，還有的github也這麼寫(因爲通用)，服務器上搞非root裝亂七八糟的東西也費勁，推薦使用Anaconda，真的香，學會了以後那些pip裝的換成conda指令就行了。
3.具體步驟
網上教程有不少，但是比較碎片化，或者有的不是對服務器而言的，新版本有的還是有可視化窗口發生了寫變化，下面再簡略的寫一些吧。
1.安裝Anaconda
官網搞一份或者直接問學長學姐拷。地址：https://www.anaconda.com/products/individual
教研室網有奇怪的網關，上不去建議套一下學校的VPN或者去清華的源下載。
關於版本的選擇，我們服務器是Linux的，U是Intel的所以是x86的，power是IBM的。至於python3.7和python2.7區別不大，這裏指離線包裏包含哪個版本，Ananconda是個環境管理軟件，實際上你裝的python3.7版也可以用命令下載pythob2.7。類似於那種萬能驅動，包裏自帶一些東西，接上網了還可以下載各種東西。
下載得到文件 Anaconda3-2020.02-Linux-x86_64.sh
通過你的sftp軟件傳到服務器上你的目錄下，然後進入這個目錄(通過cd命令)
(爲什麼不直接在服務器用wget命令？因爲那樣走服務器小水管下載，而自己上傳用的局域網上傳)
接着輸入 bash Ana，按Tab鍵會幫你自動補全，回車開始安裝；之後就是讓你接受協議，回車就行了；再輸個yes回車；接着問你安裝目錄，要改就改，不改就回車；接着問你要不要初始化conda，輸入yes。
以下界面就是說你裝好了(人家還給pycharm打廣告了)
接着關了這個會話重開，這時候你的目錄前面多了(base)就對頭了
原本你輸入python命令是服務器的python，一般是2.7，安裝時間還很早，有base的時候，就是自己裝的python了。
剩下的東西參考下面：
https://blog.csdn.net/xi_zhong/article/details/83422225
https://www.jianshu.com/p/e298b9d3afae
關於環境變量都保存在.bashrc文件裏，用maba xterm的，可以直接雙擊打開，像記事本那樣該，關閉的時候會問你要不要上傳。
用vim編輯的話，不要傻乎乎的複製教程裏的命令，~/的意思是相對路徑，本身就在路徑裏的話，vim .bashrc 打開文件就好了。你要按insert鍵進入編輯模式纔好編輯，改完以後按esc退出編輯模式，按下分號鍵進入命令模式，輸入wq保存，vim的具體使用自己查。
另外提一句，換清華源很重要，不然有的下的很慢。
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --set show_channel_urls yes 這句是設置每次安裝包的時候，顯示一下源，用來確認用的。
這句是用來創建環境的：conda create -n your_env_name python=your_python_version
例如：conda create -n myenv python=2.7
接着你要進入這個環境的話就使用 conda activate myenv
conda info 顯示conda的各種信息(這裏也會顯示你有哪些源，路徑在哪，系統版本和cuda版本)
conda info --env 顯示你已經配置了哪些環境。
conda list 顯示當前環境下已經安裝了哪些包。
conda activate env1 激活(進入)某個環境
conda install tensorflow-gpu=1.6.0 安裝xxx，可以接版本號。
(記得看清自己目前在哪個環境裏，另外能對於深度學習框架自動配置CUDA，裝新包的時候會調整其他包保持兼容)
conda search pytorch 搜索某個包，雖然在pip裏面叫torch，在anaconda裏叫pytorch
(裝torch記得裝上全家桶，比如torchvision，conda install torchvision)
2.官網下載並安裝vscode
應該沒難度，也不需要破解，地址：https://code.visualstudio.com/
2.1 設置成中文(非必要)
ctrl+shift+p 調出命令框，找到命令Configure Display Language(輸一些內容直到顯示這個選項)
然後跳出選項Install additional languages(安裝額外語言包)，點一下，裝上你需要的語言。裝好後右下角會提示器重啓vscode。
2.2 裝個SSH插件
插件欄搜索SSH，點安裝，然後提示需要重新加載，點一下就會重新加載。
2.3 新建遠程連接
這時候邊欄多了遠程連接的圖標，你可以點加號添加新的連接，也可以點那個齒輪調整config文件。實際上加號連接的東西也會問你記錄在哪個config裏面。至於選那個config，第一個就行了，其他的好像也能用。加號的添加方式按照裏面的提示填就行了。ssh 用戶名@地址，地址可以使域名也可以是普通ip，實驗內都是局域網ip。
接着會提示你成功添加了一個host，你可以直接點連接，也可以點host旁邊的小按鈕在新窗口中連接，彈出窗口以後會問你服務器系統是什麼，記得點一下。接着會提示你沒有RSA授權要不要連接，yes就行，然後輸入密碼，會下載一點必要的組件。
左下角的綠條是你的連接狀態，邊上兩個提示你有幾個error幾個warning。右上角是控制終端的欄目。+號是新建終端，垃圾桶是關閉終端(注意這個install終端不要關啊)，剩下的按鈕還要終端分欄和終端全屏，鼠標放上去可以自己看說明。
接着點擊打卡文件夾就能打開服務器上的項目工程了，接着可以在裏面創建python文件什麼的，ctrl+s是保存，會直接修改服務器閃上的文件。左上角還會提醒你一個文件未保存。記得按照右下角安裝python擴展。裝的是pylint，裝了這個以後就有自動補全了，以及ctrl+鼠標左鍵點擊進入函數定義等必要功能。
正確安裝的話你可以看到，本地也可以安裝一份，注意區別。一般你連接哪邊的項目就會提示你安裝哪邊插件。
之後就可以享受coding了
2.4 我不想每次都在vscode裏輸ssh密碼
在終端輸入
ssh-keygen -t rsa 建立rsa公鑰密鑰對
接着會問你創建文件在哪，可以手動輸入，也可以直接回車保存在默認的位置/home/你的的目錄/.ssh/id_rsa
接着問密碼並驗證密碼，回車兩次可以跳過。
cd .ssh 可以進入這個文件，裏面有id_rsa和id_rsa.pub兩個文件
cat ./id_rsa >> ./authorized_keys 接着輸如這句話，cat作用是把文件內容打印到終端屏幕，>>是重定向，意思就是這段不去原本的輸入，而是換個地方，目標就是後面的authorized_keys文件(不存在會建立一個)，這句話的實際想過相當於把id_ras_pub的內容添加到了authorized_keys尾部，換句話說，你用sftp手動複製粘貼進去也行。最終我們產生了如下三個文件，在只有一個公鑰的情況下，實際上authorized_keys和id_rsa_pub內容一樣的。
接着我們用sftp把密鑰放到自己的windows電腦上，路徑就是之前config所在的ssh路徑。順便改一下config裏面的文件，把服務器和密鑰文件關聯起來，如下圖所示。
主要添加
PreferredAuthentications publickey
IdentityFile ~/.ssh/id_rsa_246
現在問題來了，我連接好幾個服務器，他們的密鑰不不能都叫id_rsa吧，所以記得要改一改名字。服務器那邊不一定要改，因爲主要起作用的是authorized_keys裏的內容，不過保持統一是個好習慣。
那麼如果你還有一臺筆記本電腦，用類似的方法配置一遍，服務器始終只有一份authorized_keys公鑰，臺式和筆記本各有一份id_rsa_246。
至此，以後vscode登錄特定服務器就不需要密碼了。
4. 運行代碼的正確姿勢
根據菜單欄上的運行可知，ctrl+F5運行，有加斷點的話也可以F5調試。
當然你可以使用下方的bash終端，像普通終端一樣輸入指令運行就行了, 例如：python test.py
關於解釋器的選擇在左下角，點一下以後可以選擇不同的解釋器路徑，如果想使用anaconda的環境則使用anaconda路徑的解釋器，路徑名裏有你起的環境名，好辨認的。vscode會自動激活環境。
調通程序之類的都可以使用這些方法，但如果你的模型要跑一兩天的話，你應該掛在後臺。
直接在終端裏跑，會話消失的時候進程就結束了。換句話說，你的終端要一直開着且保持穩定，如果意外斷網了，你的訓練模型就停止了。比較穩妥的方式是使用screen和tmux。
screen -S train 建立一個名爲train的窗口，這樣即使終端會話中斷了，窗口依然存在。
conda activate py2 激活你的環境
CUDA_VISIBLE_DEVICES=1,2 python train.py 設置顯卡1和2爲可用顯卡，使用python運行train.py文件
這裏說明一下CUDA_VISIBLE_DEVICES=1,2tensorflow是默認利用所有顯卡的，所以直接運行代碼的話，很容易佔用全服務器資源，給別人添麻煩，所以記得加這條命令限制顯卡的使用。而pytorch默認是使用顯卡0的，所以也可能和別人撞車。利用顯卡跑程序之前先使用nvidia-smi看一看各個顯卡的利用情況，選用空閒的顯卡。當然限制顯卡命令也有類似的語句可以直接加在py文件裏
import os
os.environ[“CUDA_VISIBLE_DEVICES”] = “0”
但是顯卡使用情況不同時刻不同，換卡運行要到py文件裏去修改，恆定一張卡的時候這個挺方便，看情況使用。
在窗口內，先按ctrl+a再按d，可以退出窗口，窗口掛在後臺，裏面程序還在跑。
先按ctrl+a再按k，可以徹底關閉窗口，進程會關掉。
screen -ls 列出現有窗口
screen -r train 恢復名爲train的窗口。
screen -D -r train 強制恢復名爲train的窗口，有時候會用到。
更多的見上文提到的linux常用指令，或自己查詢screen和tmux的使用方法。