阿里云使用笔记（一）：从零开始配置阿里云GPU服务器训练深度学习模型

最新推荐文章于 2025-11-25 15:55:13 发布

原创最新推荐文章于 2025-11-25 15:55:13 发布 · 7.3w 阅读

124

732 ·

CC 4.0 BY-SA版权

文章标签：

#阿里云GPU #notebook服务 #conda #远程训练神经网络

开发工具专栏收录该内容

6 篇文章

订阅专栏

本文介绍如何在阿里云GPU服务器上安装配置Anaconda、Jupyter Notebook等工具，实现远程深度学习模型训练，包括环境搭建、文件传输及自定义镜像创建。

部署运行你感兴趣的模型镜像

题

神经网络训练需要强大的GPU支持，自己搭建成本太高，并且有时候出差等原因，无法将庞大的机箱搬走。因此，就产生了将深度学习网络训练的任务搬到云端的想法。由于初次使用，遇到不少大坑，花了两天时间才完整的实现。
要实现的功能：
- 安装anaconda管理库
- 远程访问jupyter notebook
- 将本地文件和服务器端文件互传
- 安装tensorflow的GPU版本
- 服务器不用的时候释放，下次直接再用，节省费用

注意：本文主要解决常见的坑。
1、anaconda 安装慢，阿里云的GPU服务器很贵的，时间就是金钱在这里体现的淋漓尽致。
2、jupyter notebook无法远程访问，或者直接报错sock无法连接错误
3、从github上下载文件慢的要命，且有文件大小限制（100M）
4、服务器端查看一切正常，远程就是无法访问问题

针对以上种种问题，我综合了网上各位大神的文章，汇总到一起，实现从零开始的目标。减少环境搭建时间，把时间花在机器学习本身上。

本文服务器端采用的是阿里云ubantu 16.04版本，我的电脑也是。

创建帐号及设置

阿里云服务器的购买过程简化一点：选择地域》选择实例：异构计算，GPU计算》镜像：镜像市场，搜索深度学习ubantu版本（已经安装好了显卡驱动和cuda8.0）》其他的按需配置》设置密码

几点要注意的地方：
1、一般选择按量付费，包月包年太贵。土豪随意啊。我会在后面说怎么很便宜的把自己的数据和配置保存下来。用的时候再复制出来。
2、镜像的选择问题，一定在镜像市场里找到已经安装好驱动和cuda8.0的，不然我相信你会哭的。我觉得阿里云做技术很马虎啊，你不装驱动，让我自己装，有故意收黑钱的嫌疑。
3、安全组配置，我会后面着重说明，现在选择默认就可以了。

采用SSH方式访问远程服务器

在本地电脑打开终端，输入：

ssh root@47.93.*.*#输入自己的公网IP

然后会打印出：

The authenticity of host '47.93.*.* (47.93.*.*)' can't be established.
ECDSA key fingerprint is SHA256:r60avP7Lyz01MRTFN9mbekDAcwZWv8tFUmMlo6dr/m0.
Are you sure you want to continue connecting (yes/no)?

yes
首次登录会提醒你，系统自动创建密匙

Warning: Permanently added '47.93.*.*' (ECDSA) to the list of known hosts.

输入你购买服务器时，输入的密码。如果购买时没有输入密码，此时会让你设置。PS：给没用过Linux系统的提醒一下，输入密码不会显示，完成后回车即可。

root@47.93.*.*'s password:

这是你就可以看到成功登录的页面

Welcome to Ubuntu 16.04.2 LTS (GNU/Linux 4.4.0-62-generic x86_64)

 * Documentation:  https://help.ubuntu.com
 * Management:     https://landscape.canonical.com
 * Support:        https://ubuntu.com/advantage
Welcome to Alibaba Cloud Elastic Compute Service !

更改主机名称及host

刚登录进去，主机名是一串非常长的随机编码，很难记住，我建议更改掉。

我采用的vim编辑器，系统默认安装的。如果第一次用，肯定很难熟悉，建议先百度一下vim的基本用法。PS：有点罗嗦，但是第一次，肯定很茫然。习惯了之后效率确实很高。

删除，起个自己熟悉的名字。

vim /etc/hostname#ubantu的在此目录下，其他系统按需更改

更改完成后，重启才会起作用。暂时不要重启。继续

vim /etc/hosts

把刚才自己修改的名字加入

127.0.0.1       localhost
127.0.0.1       bamboo_aliyun #新增

# The following lines are desirable for IPv6 capable hosts
::1     localhost ip6-localhost ip6-loopback
ff02::1 ip6-allnodes
ff02::2 ip6-allrouters

如果不设置此项，每次用sudo会一直提醒。

sudo: unable to resolve host iZ2ze3v1xxtg5z3w2nb8oaZ

查看一下是否已经安装好了驱动和相关的包。

root@GPU_aliyun:~# ls
deep_learning  nvidia  NVIDIA_CUDA-8.0_Samples

exit#推出SSH登录

现在阿里云控制台重启一下服务器。

创建新用户

重新用root登录服务器，与上同，不再贴代码。进入后发现主机的名称已经变成你设置的了。

notes:此地方有大坑，要注意。创建新用户有两个命令。一个是useradd和adduser。我建议用adduser，按照提示一直操作，就会自动完成。如果采用useradd如果不加参数的话，会创建一个三无产品。
1、无Home Directory
2、无密码
3、无系统Shell

1、adduser用户创建过程(两者任选其一)

sudo adduser bamboo

自动创建过程：

root@GPU_aliyun:~# sudo adduser bamboo
Adding user `bamboo' ...
Adding new group `bamboo' (1000) ...
Adding new user `bamboo' (1000) with group `bamboo' ...
Creating home directory `/home/bamboo' ...
Copying files from `/etc/skel' ...
Enter new UNIX password: 
Retype new UNIX password: 
passwd: password updated successfully
Changing the user information for bamboo
Enter the new value, or press ENTER for the default
    Full Name []: bamboo
    Room Number []: 
    Work Phone []: 
    Home Phone []: 
    Other []: 
Is the information correct? [Y/n] y

使用新帐号登录系统：

bamboo@bamboo-WorkBook:~$ ssh bamboo@39.106.143.143

在root帐号下，设置sudo权限

sudo vim /etc/sudoers

# User privilege specification
root    ALL=(ALL:ALL) ALL
bamboo  ALL=(ALL:ALL) ALL

否则，会使用后面chmod命令会报以下错误：

bamboo is not in the sudoers file.  This incident will be reported.

设置文件夹权限（一定要设置，如果不设置后面安装程序会有问题）

bamboo@GPU_aliyun:~$ sudo chmod -R 777 /home/bamboo/

至此已经新帐号添加完成
2、useradd用户创建过程

创建用户，并把用加入root 和bamboo组

sudo useradd -g root bamboo

由于是三无产品，你需设置一下登录密码

sudo passwd bamboo

由于无shell，用新用户进入后，不显示路径，TAB键也不起作用，因此，我们需要添加shell

usermod -s /bin/bash bamboo

设置sudo权限

vim /etc/sudoers

# User privilege specification
root    ALL=(ALL:ALL) ALL
bamboo  ALL=(ALL:ALL) ALL

除了上述命令行的解决方式外，你也可以手动编辑passwd文件添加shell

vim /etc/passwd

重新用新用户登录系统

ssh bamboo@47.93.*.*#输入自己的公网IP

将用户目录的权限修改为，所有人可以读写执行。

sudo chmod -R 777 /home/bamboo/

如果不修改权限的话，在安装Anaconda时，会报出一下错误：
PermissionError(13, ‘Permission denied’)

PS：权限管理我还没完全搞清楚,我认为肯定有更加简洁的方法，但此方法确实能工作。如果对用户权限管理比较清楚的大神请留言更有效的方法。还有我之前在阿里云上配置其他服务器程序的时候发现root帐号内容，远程是无法访问的（估计是为了安全性考虑）。所以就直接新建帐号，大家可以试一下，给我留言，我更新一下博客

配置阿里云安全组

因为阿里云为了安全起见，默认只开放了22、80等少数端口。而jupyter notebook默认采用8888端口，因此在安全组配置中，需要将此端口开放。
如果一切都正常，就是无法远程访问，有90%的可能性就是安全组规则配置的问题。
设置过程：云服务器管理控制台》云服务器ECS》网络和安全》安全组》配置规则》添加安全组规则

Anaconda安装（清华源）

由于Anaconda默认的源在国外，下载速度极其缓慢。我采用清华的源。
直接用wget 下载

sudo wget https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/Anaconda3-5.0.1-Linux-x86_64.sh

执行安装过程：

sudo bash Anaconda3-5.0.1-Linux-x86_64.sh

提示你，是否阅读协议，回车接受

In order to continue the installation process, please review the license
agreement.
Please, press ENTER to continue

是否接受协议，yes

Do you accept the license terms? [yes|no]

安装位置确认，回车

Anaconda3 will now be installed into this location:
/home/bamboo/anaconda3

  - Press ENTER to confirm the location
  - Press CTRL-C to abort the installation
  - Or specify a different location below

确定安装位置之后，需要等待安装一些默认的包，会让你选择一次bashrc．这时候一定要写yes

Do you wish the installer to prepend the Anaconda3 install location
to PATH in your /home/bamboo/.bashrc ? [yes|no]
[no] >>> yes

提示你如果要让bashrc起作用，要打开一个新的终端。但测试不起作用。

For this change to become active, you have to open a new terminal.

于是，我就直接配置环境变量

sudo vim /etc/environment

把自己的安装目录添加到后面

:/home/bamboo/anaconda3/bin

立即激活环境变量

source /etc/environment

测试是否安装成功

conda --version

如果安装成功，会显示出当前conda的版本

conda 4.3.30

更新conda install的源

# 添加Anaconda的TUNA镜像
conda config --add channels 'https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/'

# 设置搜索时显示通道地址
conda config --set show_channel_urls yes

更新一下conda

conda update conda

创建jupyter notebook运行环境，可以方便管理各类库

conda create -n jupyter_notebook python=3

激活环境

source activate jupyter_notebook

安装深度学习所需要的所有库

conda install numpy#测试是否能安装，后面也可按需安装

如果要退出环境的话，执行：

source deactivate#暂时不执行

安装jupyter notebook

在conda环境安装jupyter notebook，会自动安装相关依赖的包，并且独立。因此，我采用jupyter notebook 安装。每次在conda环境中使用，防止发生一些莫名奇妙的错误。

由于在本地使用和远程使用有着本质上的区别。因此，配置上也有很大的不同。由于之前我一直在本地使用，觉得应该不用配置什么东西，结果白白浪费了大量的时间和钱。本文会先主要说明远程访问的配置过程。

服务器端安装及测试jupyter notebook 是否正常

安装jupyter notebook

conda install jupyter notebook

测试

jupyter notebook --ip=127.0.0.1

终端输出正常即可
jupyter notebook

配置jupyter notebook远程访问

默认jupyter notebook 是不需要配置文件的。因此，需要用以下命令生成该文件。
主要配置一下内容：
- 设置远程访问密码
- 设置可访问ip，全局访问
- 禁用服务器端启动浏览器

jupyter notebook --generate-config

生成文件后，文件在该目录下

Writing default config to: /home/bamboo/.jupyter/jupyter_notebook_config.py

打开jupyter_notebook_config.py文件

vim /home/bamboo/.jupyter/jupyter_notebook_config.py

设置可以访问服务器的ip

c.NotebookApp.ip = '*'

notes：很多教程把该ip设置为127.0.0.1，这样你只能在本地访问，远程是无法访问的。这是大坑中很大的一个。

打开ipython

ipython

调用passwd()函数生成密匙，把密匙复制下来，后面会有用

In [1]: from notebook.auth import passwd
In [2]: passwd()
Enter password: 
Verify password: 
Out[2]: 'sha1:8361f5f08937:081cdf40730cb5548e2c213ddd36813a5313192f'

加入上面生成的密匙

c.NotebookApp.ip = '*'
c.NotebookApp.password = 'sha1:8361f5f08937:081cdf40730cb5548e2c213ddd36813a5313192f'

设置不在服务器端自动打开浏览器

c.NotebookApp.ip = '*'
c.NotebookApp.password = 'sha1:8361f5f08937:081cdf40730cb5548e2c213ddd36813a5313192f'
c.NotebookApp.open_browser = False

到目前位置所有远程的配置的所有工作已经全部完成。赶快启动一下jupyter notebook是不是可以访问。

jupyter notebook

终端开始输出：
这里写图片描述
远程访问测试

47.93.*.*:8888

登录界面
这里写图片描述
进入后，跟本地操作一样的

测试正常后，将CTRL+C停止

文件互传

很多时候，我们是在本地先写好jupyter notebook文件，只需要在云服务器上训练一下。因此，文件的传递是非常重要的功能。scp是采用ssh传递文件的一种方式，比较简单易行。
上传过程：

scp -r /home/bamboo/文件路径/文件名/ bamboo@47.93.*.*:/home/bamboo/
#scp -r表示传递文件内所有文件
#scp 直接传递单个文件

我提前把下载过程贴出来，正常是训练完成后，下载文件。
下载过程：

scp -r bamboo@47.93.*.*:/home/bamboo/文件路径/ /home/bamboo/文件路径/文件名/

非常好理解，都是从前向后传

训练神经网络

安装自己需要的tensorflow-gpu版本

conda install tensorflow-gpu=1.1

重新启动jupyter notebook

jupyter notebook

可以正常打开，并且找到自己的文件了。
这里写图片描述
查看一下gpu是否正常

运行程序，速度确实快了很多啊，大概算了一下，是我的笔记本cpu版的48倍，确实挺靠谱。

在后台，看了一下GPU版本

训练已经完成，tensorflow保存的参数复制下来：

scp -r bamboo@47.93.*.*:/home/bamboo/文件路径/ /home/bamboo/文件路径/文件名/

制作自定义镜像

自定义镜像费用比较低，大概是0.2元/G/月。相对于租赁服务器的费用很低了。

制作过程：选择实例》管理》实例详情》更多》创建自定义镜像
这里写图片描述

最重要的说明：自定义镜像创建完成后，一定要将实例释放掉。否则，阿里云会一直计费的。会一直计费的。会一直计费的。重要的事说三遍

利用自定义镜像创建实例

有了自定义镜像，你再次使用阿里云的服务器就变得简单了很多。不需要之前冗长的配置过程了。在购买的时候，选择同之前相同的配置。镜像选择自定义镜像。

这里写图片描述

登录进入了，发现之前的配置依然存在。

root@iZ2ze1289s0kuqzkxpxpazZ:/home/bamboo# ls
anaconda3  Anaconda3-5.0.1-Linux-x86_64.sh  tv-script-generation

用之前设置的普通用户登录：

bamboo@iZ2ze1289s0kuqzkxpxpazZ:~$ ls
anaconda3  Anaconda3-5.0.1-Linux-x86_64.sh  tv-script-generation
bamboo@iZ2ze1289s0kuqzkxpxpazZ:~$ conda --version#测试conda

输出正常：

conda 4.3.30

用scp上传下载文件，开始你的新的任务就可以了。

jupyter notebook#启动正常，按上述方式继续访问。

拔

本文采用阿里云GPU计算服务器 + conda +tensorflow-gpu+ jupyter notebook 架构，实现远程训练神经网络的功能。很多研究深度学习和机器学习的博友，并不是很专业的运维人员，因此，在环境配置上花费大量时间是无意义的。因此，就诞生这篇博文，我也是个运维小白，也很多不完善的地方。大家多留言，我尽量完善该博文，作为一个参考资料。

bamboo书于西安

更新记录：
2017年11月23日完成初稿，自定义镜像创建实例未完成
2017年11月26日自定义镜像创建实例完成
git是个很有用的工具，计划把git在服务器端的配置也加上

参考：
conda官网教程

您可能感兴趣的与本文相关的镜像