KJ 隨手記

 1. (本地端)下載 TightVNC 2. (本地端)安裝 TightVNC Viewer      執行剛才下載好的檔案，並且按照下方步驟即可完成安裝。     3. (遠端)(有GPU)下載並安裝VirtualGL wget https://github.com/VirtualGL/virtualgl/releases/download/3.1.2/virtualgl_3.1.2_amd64.deb sudo dpkg -i virtualgl_3.1.2_amd64.deb rm virtualgl_3.1.2_amd64.deb 4.  (遠端)下載並安裝TurboVNC Server & Viewer wget https://github.com/TurboVNC/turbovnc/releases/download/3.1.2/turbovnc_3.1.2_amd64.deb sudo dpkg -i turbovnc_3.1.2_amd64.deb rm turbovnc_3.1.2_amd64.deb 5. (遠端)配置 X sudo nvidia-xconfig - a --use- display -device=None --virtual= 1280 x1024 6. (遠端)啟動Xorg sudo nohup Xorg :7 & 7. (遠端)啟動TurboVNC Server /opt/TurboVNC/bin/vncserver :8 注意：這邊應該會要你輸入待會讓本地端連接的密碼 8. (遠端)(有GPU)測試VGL DISPLAY=:8 vglrun -d :...

1. 安裝 conda install tensorboard 2. 啟動 & 面臨問題 啟動tensorboard會出現 Numpy版本超過2.0會有問題 (pytorch) C:\Users\KJ.Chang\Desktop\code\YOLOv1>tensorboard --logdir=runs Traceback (most recent call last): File "C:\Users\KJ.Chang\AppData\Local\anaconda3\envs\pytorch\Scripts\tensorboard-script.py", line 6, in <module&rt; from tensorboard.main import run_main File "C:\Users\KJ.Chang\AppData\Local\anaconda3\envs\pytorch\lib\site-packages\tensorboard\main.py", line 27, in <module&rt; from tensorboard import default File "C:\Users\KJ.Chang\AppData\Local\anaconda3\envs\pytorch\lib\site-packages\tensorboard\default.py", line 39, in <module&rt; from tensorboard.plugins.hparams import hparams_plugin File "C:\Users\KJ.Chang\AppData\Local\anaconda3\envs\pytorch\lib\site-packages\tensorboard\plugins\hparams\hparams_plugin.py", line 30, in <module> from tensorboard.plugins.hparams import backend_context Fi...

1.檢查CUDA版本資訊     在終端輸入  nvidia-smi 可以觀察到我的CUDA版本為12.7 2.下載並安裝CUDA ToolKit     CUDA Toolkit 12.4 Downloads            點擊下載好的檔案 -> 選擇自定義安裝 -> 將Visual Studio Integration取消勾選(沒有使用Visual Studio) -> 下一步 -> 安裝。     安裝完成後，打開環境變數檢查是否存在。     開啟終端，輸入 nvcc -V   查看CUDA Compiler的版本，從結果可以看到顯示release 12.4，表示安裝成功；若出現錯誤，可能是未將路徑加入到環境變數中。      3.下載cuDNN      cuDNN 9.6.0 Downloads          下載完後會是一個壓縮檔案，請先將它解壓縮，然後將裡面的所有檔案全選並且複製到CUDA ToolKit安裝好的位置(我安裝的位置是在 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.4)，接著它會問說是否取代這些檔案，這邊選擇取代。      將bin、include、lib、libnvvp都加入到Path環境變數中。          開啟終端並且在 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.4\extras\demo_suite目錄底下執行bandwidth.exe和deviceQuery.exe，最下方顯示Reuslt = PASS表使成功。 4.使用Anaconda虛擬環境安裝Pytorch      Anaconda載點          首先，開啟Anac...

1. 安裝PuTTY           PuTTY載點 2. 產生Key     首先，先開啟PuTTYgen，接著，在介面最下方選擇要生成哪種類型的key以及key的長度(默認為2048)，最後點選Generate即可生成key。     產生key的過程需要一直移動滑鼠直到進度條跑完為止。     key被產生出來之後會看到以下畫面，首先，先點擊Save private key將private key儲存起來，接著，看自己本身是否要將public key儲存起來，最後，將畫面上方紅色底的區域的所有文字複製起來(public key)等等會用到! 3. 在server存放public key  (server為Linux系統)     首先，在本地端利用終端機的ssh user-name@xxx.xxx.xxx.xx進入到server內部，接著，檢查是否有 .ssh 資料夾，若沒有就利用  mkdir .ssh 創建，接著建立  authorized_keys  文件並且開啟將前面所複製好的 public key 的內容貼上並且保存離開即可。 4. 利用PuTTY SSH authentication連線到server     首先，開啟PuTTY，在左方點選Session後，即可在右方Host Name輸入server的位置，若需要將這次所設定好的Session資訊存起來的話，可在下方Save Sessions輸入您要儲存的Session名稱後再按下Save按鈕，會看到左方框框出現你剛才所輸入的Session名稱代表成功。           接著，在左方點選Connection -> SSH -> Auth 中的Credentials後，點選右方的Browse...選擇你的private key file後，最後按下下方的Open後即可。 5. 在桌面建立PutTTy捷徑     在桌面點選右鍵->新增->捷徑之後，點選瀏覽，找到putty.exe路徑，並...