1. Proxifier¶
proxifier 是一种代理软件，外网可以通过该软件访问内网服务器，实验室的服务器使用的都是内网，因此外网访问必须使用 proxifier
以下适用于windows
安装¶
双击发给你的 exe 文件完成安装
配置文件导入¶
文件->导入配置文件
快捷键：Ctrl + O
选择发给你的 milab_20220224.ppx 导入
配置代理服务器¶
1.配置文件->代理服务器
2.如果有相关代理点击 编辑， 没有点击 添加
3.配置代理服务器
服务器地址：47.108.191.141 端口：9095, 9096, 9075
用户名：deeprt
密码: Milab2020.
小心密码最后的点
然后点击检查，如果 测试通过，说明配置正确，可以正常连接。
补充¶
如果ssh连接服务器失败，先看看是不是proxifier的代理出现了问题，出现 测试失败 的情况（一般来说往往是这样的），并依次尝试三个端口，如果还是 测试失败，可以私聊我。
2. 服务器连接¶
windows 下推荐使用 vscode
vscode 中 最上面菜单栏 终端 -> 新建终端 (如果是英文，Terminal -> New Terminal)
ssh user@ip地址
user：用户名 password：密码
之前说的用户名和密码
3. docker 容器配置¶
docker 其实相当于一个虚拟机
创建属于自己的 docker 容器¶
sudo docker run --network host --ipc host --name=容器名称 -v /ssd/工作目录
:/root/workspace -v /ssd/数据目录:/root/dataspace --privileged=true --device /dev/nvidiactl --device /dev/nvidia-uvm --device /dev/nvidia0 --device /dev/nvidia1 -it docker_image:version /bin/bash
参数讲解：
- --network host --ipc host : 容器共享本机的 网络和端口号
- --name=container_name : 容器名称(之后进入容器需要使用名称)
- -v ~/docker_workspace:/root/workspace : 将本地的 ~/docker_workspace 映射到 容器中的 /root/woorkspace 路径下
- --privileged=true --device /dev/nvidiactl --device /dev/nvidia-uvm --device /dev/nvidia0 : 允许容器使用本机的 GPU 0
- docker_image:version : 使用的 docker 镜像，推荐使用 hujunjie/pytorch:latest (docker容器是基于镜像创建的)
如果报错： Got permission denied while trying to connect to the Docker daemon socket at unix:/
则执行下面的命令：
sudo gpasswd -a username docker # 将普通用户username加入到docker组中
newgrp docker # 更新docker组
创建容器，并且容器中端口和本机端口进行映射(更推荐上面的共享本机网络和端口)：
## 端口映射
sudo docker run --name=pytorch_yzh_cltr_ubuntu -v /ssd/yangzhaohui_workspace:/root/workspace --privileged=true --device /dev/nvidiactl --device /dev/nvidia-uvm --device /dev/nvidia0 --device /dev/nvidia1 -p 8086:22 -it ubuntu:22.04 /bin/bash
docker 容器环境配置¶
进入docker容器：
docker exec -it 容器名 bash
安装 cuda 驱动：
## 需要有后面的 -s --no-kernel-module
./NVIDIA-Linux-x86_64-510.54.run -s --no-kernel-module
测试驱动是否正常：
nvidia-smi
需要掌握的 docker 命令：
docker images : 查看本地的镜像
docker ps : 查看本地运行的容器
docker ps -a: 查看本地的所有容器（包括未运行的容器）
docker start 容器名 ：启动容器
docker stop 容器名 : 关闭容器
docker exec -it 容器名 bash : 进入容器（需要先启动）
docker rm 容器名或容器ID ： 删除容器（需要先关闭）
docker rmi 镜像或镜像ID ：删除镜像
编程环境配置¶
是指在docker容器中的环境配置，容器中已经集成了conda，更建议对于不同的项目创建不同的conda虚拟环境
conda 虚拟环境¶
pytorch 安装：¶
conda install pytorch==1.11.0 torchvision==0.12.0 torchaudio==0.11.0 cudatoolkit=11.3 -c pytorch
jupyter lab配置：¶
容器中已经集成 jupyter lab
设置 jupyter lab 密码：
jupyter lab password
启动 jupyter lab:
jupyter lab --ip=* --port=端口 --allow-root
从而可以在浏览器通过 http://服务器ip地址:端口号访问