使用服务器

本文描述申请GPU服务器完成后，如何访问GPU服务器。文档版本：V0.6.20240304

前置重要事项（仔细阅读！）

1. 【非常重要！】请按照下列规则存放自己的数据，否则将导致数据丢失 !!!

   • 【注意!】数据、模型和代码文件放在： /root/data 目录下，可以在此目录下创建子文件夹。
   • 【注意!】 服务器的存储不提供可靠性保证，不排除可能会因为断电、损坏等原因造成的数据损失！请及时下载重要的数据和结果！不要在服务器上长期存储数据！
   • 运行环境放在 /opt/conda/envs 目录下，使用 conda create 命令的时候也会自动安装到该目录下。
   • 除了上述目录外，释放服务器、断电、重启将重置服务器，其余地方的数据都将全部丢失且无法找回!!!

2. 【非常重要】严禁向其他人发送服务器连接客户端的任何部分，严禁透露自己的SK连接码给别人！否则将导致服务器被攻击，可能导致数据丢失、硬件损坏等不可预料的情况!!!

3. 【重要】文档包含python运行环境，温馨提示等重要信息，请详细阅读完本文档的剩余内容之后再使用服务器！

关于python运行环境

服务器环境统一采用conda进行管理，如果连接服务器后conda命令无反应，请先执行：source /opt/conda/bin/activate 以激活conda命令。
为了方便大家快速进行远程开发，服务器设置了两类运行环境：临时环境和分布式环境，详细如下：

临时环境

临时环境存储在服务器硬盘上，拥有最快的运行速度，但临时环境在服务器释放重新申请之后会恢复原样，所有后续安装的第三方库均会丢失，适合进行远程开发，远程debug使用。

目前服务器自带几个conda临时环境：

• base：基础环境，没有装什么库，不建议使用
• default_pytorch: 装好pytorch最新版本，还有transformers、sklearn等常见的库
• default_tensorflow1: TODO, 建设中，请勿使用该名字作为自定义环境
• default_tensorflow2: TODO, 建设中，请勿使用该名字作为自定义环境

Tips：

• 临时环境与其他环境使用方式一样，例如可以通过conda activate default_pytorch激活使用“default_pytorch”临时环境，也可以在临时环境中安装自定义的包，但临时环境在服务器释放重新申请之后会恢复原样。

分布式环境

除了临时环境以外，存储在/opt/conda/envs目录下的conda环境均为分布式环境，用户创建的conda环境默认也会存储在该目录下，因此也属于分布式环境。

分布式环境存储在分布式系统上，因此受带宽限制读取速度较慢，但分布式环境不会因为服务器释放或重新申请而丢失，因此能够在不同的GPU实例上使用，适合进行长时间的程序运行。

Tips：

• 分布式环境运行程序刚开始的时候有卡顿属于正常情况，环境只会在程序开始运行 import 的时候进行加载一次，后续计算几乎无需读取网络。
• 请使用conda create命令自行创建虚拟环境并安装需要的库，不熟悉安装深度学习环境的同学可点击查看：深度学习环境安装

连接服务器

连接服务器无需使用特定的客户端，具体连接方式申请服务器后见”申请/释放服务器页面“

温馨提示

1. 请尽量使用Screen来运行自己的程序，否则当网络波动出现ssh断开时，正在执行的程序会中断！

2. 如果有VS code或Pycharm Professional等软件使用ssh远程开发也是可以的，但是代码运行过程中受网络波动影响也可能发生程序中断的情况。

3. 如需安装其他软件，使用apt-get install命令即可，也可以根据软件官网提示进行安装，但是重新分配服务器也会重置所有软件，所以如果有特别常用且不方便频繁安装的软件请联系管理员处理。