Linux服务器从0开始运行Python项目全文从查看服务器配置出发，一步步阐述了从配置conda环境、项目环境、使用V

从学校实验室白嫖了个服务器账号，记录下配置环境以及训练模型等操作的步骤。

备注：受篇幅限制，本文在使用具体命令时仅介绍其基础用法，具体可参考附录链接。

查看服务器基础信息

Linux版本信息

通过cat /etc/centos-release查看linux发行版本。

通过arch查看操作系统架构，输出 x86_64 则表示为 64 位系统，输出 i686 或 i386 则表示为 32 位系统。

由图可知，笔者使用CentOS 7.7，64位系统。

GPU信息

通过nvidia-smi可查看GPU的状态信息，执行结果如图所示。

表格部分参数解释：

GPU： 本机中的GPU编号（有多块显卡的时候，从0开始编号）
Perf： GPU的性能状态，从P0（最大性能）到P12（最小性能）
Persistence-M： 持续模式的状态，持续模式虽然耗能大，但是在新的GPU应用启动时花费的时间更少，图上显示的是：off

配置conda环境

1. 下载linux安装包（.sh文件）

Anaconda官网-->Download Site-->Anaconda3-2019.03-Linux-x86_64.sh

2. 安装Anaconda3

bash Anaconda3-2019.03-Linux-x86_64.sh

3. 添加安装目录下的bin目录到当前用户环境变量文件（~/.bash_profile）中

在profile文件末尾加入一行：export PATH=/你的安装目录/anaconda3/bin:$PATH

使用source ~/.bash_profile让配置生效。

若在终端前出现了(base)，即表示conda已经安装成功并进入conda中名为base的虚拟环境。要退出conda环境，使用命令conda deactivate，则可关闭(base)提示。

使用conda env list显示所有虚拟环境

注意：执行命令时列出了一些WARNING，此处代表某些文件在新版本中被移除，这里使用conda update -n base conda命令更新conda版本，即可解决这个问题。

5. 创新环境并配置

先创建环境conda create –n 环境名，再使用conda activate 环境名进入环境。

注意：推荐以不指定python版本的方式创建环境，如conda create -n myenv python=3.6。只有不指定版本时，创建的环境会与主环境完全共享，使用pip安装时也只会安装在主环境。只有在成功使用conda install something后，这个环境才独立出来。参考官方文档

配置项目环境

1. 使用ssh或sftp上传项目代码

参考链接： XShell上传文件到Linux服务器上 - Desperado_nbf - 博客园 (cnblogs.com)

2. 进入代码文件夹，配置环境

使用pip install -r requirements.txt安装项目需要的包。

也可以使用conda install --yes --file requirements.txt 来安装。

若项目中无requirements.txt文件，可边运行项目边检查错误信息，逐步安装依赖文件。

【可选】在使用pip安装项目依赖时，可先升级并更改pip源

# 升级pip版本（可选）
python -m pip install --upgrade pip 
# ===> 或使用 sudo pip install --upgrade pip
# 更改pip源为清华源（可选）
mkdir ~/.pip
vi ~/.pip/pip.conf
# ===> 添加下面的内容
[global]
index-url = https://pypi.tuna.tsinghua.edu.cn/simple
[install]
trusted-host = https://pypi.tuna.tsinghua.edu.cn
# ===> 然后保存并退出，以后使用pip install时，就可以享受正常网速了

3. 使用VSCode远程编辑服务器代码【可选】

参考链接：VsCode连接服务器并编辑服务器端代码_追公车的少年的博客-CSDN博客

4. 配置Jupyter Notebook【可选】

参考链接：linux环境conda&jupyter安装

运行项目

1. 测试项目是否正常运行

在运行项目时，笔者遇到了这样一个问题

 File "~/MyCode/RecursiveSeparation/uPIT_2spk/trainer.py", line 16, in <module>
   import matplotlib.pyplot as plt
 File "~/anaconda3/lib/python3.7/site-packages/matplotlib/pyplot.py", line 32, in <module>
   import matplotlib.colorbar

ImportError: /lib64/libstdc++.so.6: version `CXXABI_1.3.9' not found (required by ~/anaconda3/lib/python3.7/site-packages/matplotlib/_path.cpython-37m-x86_64-linux-gnu.so)

最简单的解决办法如下

$ vim  ~/.bash_profile  # 将下面两行命令写进文件
LD_LIBRARY_PATH=~/anaconda3/lib:$LD_LIBRARY_PATH     
export LD_LIBRARY_PATH
$ source  ~/.bash_profile

2. 启用守护进程

要将一个程序放到后台执行，我们一般使用nohup。

在使用xshell这种终端工具在退出的时候，会向我们在当前shell下启动的进程发送一个SIGHUP信号，这个信号默认操作是终止进程，导致一旦关闭连接，先前启动的程序也关闭了。

通过命令nohup python train.py（进程名） &可以将train.py设为守护命令运行。

nohup命令对train.py进程做了三件事：

阻止SIGHUP信号发到这个进程；
关闭标准输入。该进程不再能够接收任何输入，即使运行在前台；
重定向标准输出和标准错误到当前目录下的nohup.out文件。

也就是说，nohup命令实际上将子进程与它所在的 session 分离了。

若想设置输出文件nohup.out的路径，并同时也将错误信息重定向到nohup.out中，使用nohup python -u train.py >train.log 2>&1 &。其中>是重定向符，第一个>表示将标准输出重定向到train.log，第二个>表示错误信息也重定向到标准输出，这两个>的位置不可换。-u确保输出可以及时地存入文件中。