lyj Blog

# 工具链

# 一、远程操控 && 内网穿透

1、下载frp (opens new window)，注意和操作系统对应，macOS，linux，windows；将其中的 frpc 拷贝到内网服务所在的机器上，将 frps 拷贝到具有公网 IP 的机器上，放置在任意目录。

2、编写服务端配置文件frps.ini, 设置了 frp 服务器用户接收客户端连接的端口

[common]
bind_port = 7000

3、编写客户端配置文件frpc.ini，其中local_ip 和 local_port 配置为本地需要暴露到公网的服务地址和端口。remote_port 表示在 frp 服务端监听的端口，访问此端口的流量将会被转发到本地服务对应的端口

[common]
server_addr = xxx.xxx.xxx.xxx
server_port = 7000

[ssh]
type = tcp
local_ip = 127.0.0.1
local_port = 5900
remote_port = 6000

4、在公网机器上通过 ./frps -c ./frps.ini 启动服务端，若无权限则sudo chmod -R 777 .

5、在内网机器上通过 ./frpc -c ./frpc.ini 启动客户端，注意，公网服务器安全组要放开6000和7000端口，否则连接不上

6、如果需要在后台长期运行，建议结合其他工具使用，例如 systemd 和 supervisor

7、内网机器装好vncserver，菜单Options的Security选择 VNC Password，User & Permissions中点击用户user，设置密码

8、任意机器装好vncviewer，连接 xxx.xxx.xxx.xxx:6000，输入7中设置的用户的账号密码即能远程操控内网机器

# 二、Python环境配置（Linux）

# 1、安装Anaconda或Miniconda

# 下载地址

  • Anaconda(附带常用数据分析库，约500MB)：https://www.anaconda.com/products/individual
  • Miniconda(精简版，约50MB)：https://docs.conda.io/en/latest/miniconda.html

# 常用命令

  • 进入conda环境（看到base则证明成功）：conda

  • 展示已安装的包：conda list

  • 安装一个新的包：conda install [package]

  • 搜索一个包： conda search [package]

  • 添加清华源和conda-forge源

    • conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/

    • conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/

    • conda config --add channels conda-forge

    • conda config --set show_channel_urls yes

  • 若报错 Solving environment: failed with initial frozen solve. Retrying with flexible solve

    • conda config --set channel_priority flexible

  • 若报错 JSON.decode error

    • conda clean –i

  • 虚拟环境

    • 新建环境：conda create -n webcrawler python=3.8
    • 进入环境：conda activate webcrawler
    • 退出环境：conda deactivate

# 2、深度学习环境搭建

# 安装Nvidia显卡驱动

  • 从 https://www.nvidia.cn/Download/index.aspx?lang=cn中选择合适的驱动
  • 下载如NVIDIA-Linux-x86_64-470.82.01.run 文件并执行安装
  • 输入nvidia-smi验证安装

# 安装Cuda驱动

  • 从https://developer.nvidia.com/cuda-toolkit-archive中选择合适的驱动

  • 下载本地安装器如cuda_11.4.4_470.82.01_linux.run文件并执行安装，不用勾选driver

  • 配置环境变量

    • echo "export PATH=/usr/local/cuda-11.4/bin:$PATH" >> ~/.bashrc
echo "export LD_LIBRARY_PATH=/usr/local/cuda-11.4/lib64:$LD_LIBRARY_PATH" >> ~/.bashrc
source ~/.bashrc

  • 参考链接： https://blog.csdn.net/weixin_42656358/article/details/108772841?spm=1001.2101.3001.6661.1&utm_medium=distribute.pc_relevant_t0.none-task-blog-2%7Edefault%7ECTRLIST%7Edefault-1.pc_relevant_default&depth_1-utm_source=distribute.pc_relevant_t0.none-task-blog-2%7Edefault%7ECTRLIST%7Edefault-1.pc_relevant_default&utm_relevant_index=1

# 安装cuDNN

  • 从https://developer.nvidia.com/rdp/cudnn-archive中选择合适的版本，输入arch命令查看架构类型

  • 下载本地安装器，因为有权限控制，只能网页下载

  • tar -xzvf cudnn-11.4-linux-x64-v8.2.4.15.tgz
cp cuda/include/cudnn.h /usr/local/cuda-11.4/include
cp cuda/lib64/libcudnn* /usr/local/cuda-11.4/lib64
chmod a+r /usr/local/cuda-11.4/include/cudnn.h /usr/local/cuda-11.4/lib64/libcudnn*
# 查询cuDNN版本（不太行）
cat /usr/local/cuda-11.4/include/cudnn.h | grep CUDNN_MAJOR -A 2

参考链接：https://zhuanlan.zhihu.com/p/91334380

# 3、Open-mmlab开发

conda create -n mmlab python=3.9
conda activate mmlab
python -m pip install torch torchvision torchaudio --extra-index-url https://download.pytorch.org/whl/cu113
# 注意版本问题 https://github.com/open-mmlab/mmcv/blob/master/README_zh-CN.md
python -m pip install mmcv-full -f https://download.openmmlab.com/mmcv/dist/cu113/torch1.11.0/index.html
python -m pip install mmdet
最后更新: 5/31/2022, 6:43:40 AM

←