gpu图形服务器,GPU服务器是什么

　　转自https://ai.futurelab.tv/news/7

　　硬件型号和配置

　　本次大赛的地区赛为选手提供免费的GPU计算资源。GPU为金山云P3I.14B1，配置如下：

　　GPU:特斯拉P4 x 1

　　Vcpu:至强E5 V414内核

　　内存：DDR4 120GB

　　数据磁盘：本地SSD 500GB

　　软件环境

　　服务器默认安装：

　　Ubuntu 16.04-64位

　　CUDA 9.1

　　蟒蛇3.7

　　我们也可以提供CentOS 7.2/3镜像或者CUDA8.0，如果需要请联系助手申请重置。

　　我们暂时不提供桌面版的Linux。请使用命令行进行操作。

　　如何登录

　　Windows环境下，可以使用PuTTY等SSH终端软件登录，配置主机，填写IP地址、用户名和密码登录。

　　Linux和Mac OS可以使用系统自带的‘终端’直接登录。该命令如下所示：

　　请将IP地址替换为申请时颁发的IP，并输入正确的用户名和密码登录。ubuntu@111.222.10.123 SSH MAC OS X系统推荐使用Terminus终端，可以获得更好的操作体验。

　　安装数据磁盘

　　系统提供的数据盘需要自己挂载。该命令如下所示：

　　sudomkfs . ext 4/dev/vdbsudomkdir/data sudo mount/dev/vdb/data执行df -h，查看磁盘空间是否挂载在/data目录中，以下载并解压缩数据集。

　　使用以下命令通过intranet环境高速下载数据集：

　　跨设备说话人识别训练集WGET 3358172 . 31 . 0 . 3:9090/2019 AF-SR-AI Shell 2 . zip跨设备说话人识别训练集sha 1 sum WGET 3358172 . 31 . 0 . 3:9090/2019 AF-SR-AI Shell 2 . zip . sha1跨设备说话人识别开发集wget http://172 . 31 . 0 . 3:9090/AF 2019-SR-2019

　　跨设备说话人识别开发集sha 1 sum WGET 3358172 . 31 . 0 . 3:9090/af 2019-SR-DEVSET-2019 03 12 . zip . sha1发现超新星训练集WGET 3358172 . 31 . 0 . 3:9090/af 2019-cv-Training-2019 03 12 . zip发现超新星训练集sha 1 sum WGET 3358172 . 31 . 0 . 3:9099

　　以图像数据集为例sha1 sum-c af 2019-cv-training-2019 03 12 . zip . sha1

　　af 2019-cv-training-2019 03 12 . zip:OK输出OK，表示解压后的数据集下载成功：

　　以图像数据集为例。unziaf 2019-cv-training-2019 03 12 . zip系统会提示输入密码。请联系微信助手获取密码。上传和下载程序和模型。

　　你可以通过SCP命令远程复制你开发的程序。

　　在本地打开终端并执行以下命令：

　　从本地复制到服务器，根据实际情况填写目录和IP地址。SCP-R/my projects/my codes Ubuntu @ 111 . 222 . 10 . 123:/data/copy from remote to local:SCP-R Ubuntu @ 111 . 222 . 10 . 123:/data/my codes/my projects你也可以考虑使用gitlab这样的代码托管平台，Git是用来交付代码的。考虑到比赛期间代码的保密性，建议使用私人仓库。比赛结束后，再考虑要不要改装成公仓。

　　数据训练后，记得下载并保存训练好的模型，用于测试集的计算，否则你的计算结果可能会丢失。

　　安装所需的其他程序

　　您可以使用apt-get命令来安装所需的软件包。

　　比如安装g sudo apt-get install g，也可以选择下载源代码自己编译。有关详细信息，请参考所需软件包的文档。

　　安装python包

　　建议Conda在挂载的数据盘上创建一个环境并安装软件包。

　　创建环境conda create-p/data/my project in/data/my project进入环境conda activate /data/myproject安装软件包conda安装tensorflow可以安装指定版本的python或软件包conda安装Python=3.6 tensorflow=1.4。