Pytorch GPU @ Ubuntu 18.04 下篇-打造雲端工作站

-

這篇主要目的是要將Ubuntu變成一個雲端工作站
讓筆電這種運算能力比較弱的裝置可以遠端連線進來，
讓你可以在任何有網路的地方寫Deep learning的程式。

至於為什麼要用Ubuntu18.04?

因為他終於完整支援XRDP啦，你問我XRDP是啥?
XRDP可以讓你在Windows/Mac/Linux系統的電腦，遠端連線到Ubuntu主機上，如下圖

相較於Teamviewer，XRDP有以下優點，使其更適合用於工作站：
  1. 支援多人同時連線
  2. 沒有螢幕解析度問題
  3. 更流暢
  4. Win10 Win7內建連線程式，不須額外安裝
  5. 連線帳號就是Ubuntu的使用者帳號，
    你可以任意新增帳號將機器分享給其他人使用
(只有一個缺點：需要固定IP或Domain Name)



不過這邊我們先把該裝的東西裝一裝

一些常用工具安裝

git版本控制
sudo apt-get install git
vim文字編輯器
sudo apt-get install vim

SSH安裝

ssh-server可以透過文字介面連到Server，這個基本上是必裝
sudo apt-get install openssh-server

XRDP安裝與使用

安裝指令如下：
sudo apt-get install xrdp
裝好後應該會自動啟動，若無可試試
sudo service xrdp start
或是
sudo service xrdp restart

從Windows連線到Ubuntu

搜尋遠端桌面
輸入伺服器ip，按連線
輸入帳號密碼

這邊目前設計不良，要再輸入一次密碼
這個目前也是設計不良，不要理他，直接按取消
又會跳出一個視窗，再按取消

理論上 你就會登入到這個畫面，介面和本地端的略有不同
這個應該是原生的Gnome的UI


除了使用XRDP，架Jupyter從遠端連也是另外一種方法
有空我會在寫一篇關於遠端Jupyter的方法




Comments

  1. benbamApril 25, 2019 at 7:26 PM

    感謝分享~~

    ReplyDelete
  2. 路特June 8, 2019 at 11:22 AM

    有在麥子大看到你的留言詢問基於蒙地卡羅樹搜尋用在PAD的實作，目前我是用IDA*演算法，使用C語言撰寫(追求速度及動態記憶體配置)。關於判斷消除的方法我已經寫了第三個版本，我認為；樹的搜尋也換過好幾種演算法(DFS、BFS、A*、IDA*)。如果有興趣可以一起討論程式的寫法^^

    ReplyDelete

Post a Comment

Popular posts from this blog

用Linux挖以太(2)-RX580刷BIOS省電超頻 30-31MH/s @ 96W TDP

-
Image
本篇教學Windows用戶也適用 若你目標是使用Linux來挖礦，建議安裝雙系統， 方便 調整和測試 系統規格: Linux環境 系統: ubuntu 16.04 server 顯示卡: MSI RX580 8G Armor 顯示驅動: 17.40 Windows環境 系統: Windows 10 1709 顯示卡: MSI RX580 8G Armor 顯示驅動: 17.12.2 超頻軟體: Sapphire TRIXX 成果 上篇中調整虛擬記憶體大小後，跑到了 24.5MH/s 本篇刷BIOS後可達31MH/s(三星顆粒) 30MH/s(海力士顆粒) @ 96W TDP 說明 透過安裝正確的驅動及系統設定，即可一定程度優化挖礦效率。然而，要進一步提升效率，得使用超頻程式，或修改顯示卡的內部設定檔，做進一步優化。 但是linux並沒有超頻程式可用，因此只能透過改BIOS來超頻。除了改BIOS的記憶體時序(Timing)外，也要把記憶體時脈(Core Clock)、核心時脈(Memory Clock)、電壓(Core Voltage)、功耗(TDP)等設定一併寫入BIOS中 注意!! 修改BIOS或超頻本身具有一定風險，可能導致你的板子壽命縮短，甚至損毀。縱使近年晶片防護措施已趨完善，沒有那麼容易被超爆，但還是請小心使用。 刷BIOS可能會破壞保固，讓製造商拒保，請先查詢您製造商所提供之保固條款，了解其風險後，再決定要不要刷BIOS來超頻。 步驟 須先安裝好雙windows+ubuntu雙系統 (如果你只要在Windows挖就跳過此步驟) 可參考先前的Linux設定教學 用RX580在Linux下挖礦-上篇-系統設定(Ubuntu 16.04 Server)   從 國外論壇 下載時序優化過的ROM(BIOS設定檔)來用： 我是用 MSI RX 580 8GB ARMOR這張卡，在這個頁面找到改好的ROM檔 https://anorak.tech/t/msi-rx-580-armor/5395 我是抓 Anoraks_MSI RX 580 8GB ARMOR Hynix Samsung_memshift-1750.rom 註：不同卡的ROM不...
Read more

Tensorflow GPU x Windows 10 個人開發環境+多人遠端工作站 架設指南

-
Image
Tensorflow GPU Windows 10 個人開發環境及多人遠端工作站 架設指南 雖然Deep Learning開發的主流作業系統是Ubuntu 但對於非資工本科的開發人員，Win10無疑是更好的選擇 本文將介紹Win10作業系統下Tensorflow-gpu的環境建置 適用於個人電腦安裝 以及如何設置成可供多人使用的小型工作站(適用於學校LAB) 內容包含五個區塊： GPU環境架設 Python環境架設-Anaconda/Miniconda安裝 Tensorflow及相關套件安裝 PyCharm安裝 Windows 10多人遠端桌面設定 GPU環境架設 首先你要先有一張nvidia的顯示卡，建議至少1060 6G以上，最低1050 4G 安裝driver  到 nvidia官方網站 下載gpu driver並安裝 選擇GPU型號、作業系統 下載後執行並開始安裝 安裝介面示意圖，基本上一路按下去就裝完了 (圖片來自網路) 安裝cuda 至下載頁面下載cuda： 下載cuda 8.0  (對應cudnn 6 / tensorflow 1.3&1.4) 下載cuda 9.0  (對應cudnn 7 / tensorflow 1.5) 下載cuda 9.1  (對應cudnn 7 / tensorflow 1.?) 註：若跑tensorflow 1.3/1.4的code建議裝cuda 8.0 如果要使用最新的tensorflow 1.5，則下載cuda 9.0 ※官方release的tensorflow 1.5目前是吃9.0，不是9.1 選擇好你的作業系統後開始下載 一樣一路按下去就裝完了 (圖片來自網路) 安裝cudnn 先前往 cudnn 下載頁面 這邊的話，你必須註冊Nvidia developer帳號並登入才能下載 登入Nvidia developer，或是按Join註冊一個新帳號 註：與其說是註冊帳號，不如說是做Nvidia的問卷調查XD  就照實填就好，看不懂亂填也沒關係 註冊完email認證後，回到下載頁面你會看到如下選單： 你是裝cuda-8.0的話，選cuda-8...
Read more

PyTorch x Windows x GPU 安裝說明

-
Image
若你是要安裝CPU版，請跳過前面，至Python環境架設章節  安裝driver  到 nvidia官方網站 下載gpu driver並安裝 選擇GPU型號、作業系統 下載後執行並開始安裝 安裝介面示意圖，基本上一路按下去就裝完了 (圖片來自網路) 安裝cuda 至下載頁面下載cuda： 下載cuda 9.0  (對應cudnn 7) 選擇好你的作業系統後開始下載 一樣一路按下去就裝完了 (圖片來自網路) 安裝cudnn 先前往 cudnn 下載頁面 這邊的話，你必須註冊Nvidia developer帳號並登入才能下載 登入Nvidia developer，或是按Join註冊一個新帳號 註：與其說是註冊帳號，不如說是做Nvidia的問卷調查XD  就照實填就好，看不懂亂填也沒關係 註冊完email認證後，回到下載頁面你會看到如下選單： 選cuda-9.0和cudnn-7.0.5的組合 點進去選對應你作業系統的檔案來抓 cudnn沒有安裝程式，下載後，請依照如下步驟安裝： 將下載的cudnn的zip檔解壓縮 找到cuda安裝路徑，長得像是： C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0 把解壓縮得到的檔案丟進去 Python環境架設 如果你不喜歡容量很肥的Anaconda，也可以使用精簡版的Miniconda 下載Anaconda   (包含許多Data Science常用的套件，在個人電腦使用建議用這個) 下載Miniconda   (乾淨的精簡版，但你會需要手動安裝許多相關套件) 若你電腦從未安裝過Python，建議照以下方式安裝 註：如果你是照著本篇的步驟一步一步做，建議抓Anaconda，以免套件東缺西少。 (示範圖片是Miniconda，但步驟相同) 選Just Me 兩個都勾 剩下一路點到完 裝完後測試方式： 對左下角Windows圖示點右鍵叫出選單，開啟PowerShell(用cmd也可以) 分別輸入Get-Command python 、 Get-Command conda ...
Read more