• [Ubuntu] Ubuntu 本地源,本地仓库
    1. 背景服务器A 存在deb安装包,如何将服务器A上的deb包安装在目标服务器B上?- 无依赖的单一deb包,可以直接拷贝到目标服务器B,进行安装- 存在多个依赖,或多个包,可以使用本文方法,进行安装。2. 操作步骤如下:2.1 服务器A操作如下:### 服务器A, 只下载不安装(假设下载如下包):/opt# apt-get -d install dpkg dpkg-dev libncurses5-dev libssl-dev libpciaccess0 nvme-cli net-tools sysstat/opt# apt-get -d install libdrm-amdgpu1 xserver-xorg-video-amdgpu lxc/opt# apt-get -d install build-essential libncurses5-dev openssl libssl-dev pkg-config bison flex libelf-dev### 服务器A上,安装本地仓必要工具/opt# apt -y install dpkg-dev  dpkg dpkg-dev### 制作本地仓目标目录/opt# mkdir /opt/apt_archives/debs### 必须进入到此目录下/opt# cd /opt/apt_archives/opt# cp /var/cache/apt/archives/* . -ar### 必须进入到此目录下/opt# cd /opt/apt_archives### 将下载deb包拷到目标仓本地目录/opt# cp /var/cache/apt/archives/* . -ar### 必须apt_archive在当前目录下,制作deb索引文件root@huawei1:/opt/apt_archives# dpkg-scanpackages ./ /dev/null | gzip > /opt/apt_archives/debs/Packages.gzroot@huawei1:/opt/apt_archives# cd ..### 制作有效sources.list 文件,后续可以在目录服务器上使用sources.list文件。root@huawei1:/opt/apt_archives# echo "deb [trusted=yes] file:///opt/apt_archives/ debs/" > /opt/apt_archives/sources.listroot@huawei1:/opt/apt_archives#  tar -czvf apt_archives.tar.gz apt_archives2.2 目标服务器B操作如下:假设apt_archives.tar.gz 已经存放在/opt目录下。root@huawei2:/opt# tar -zxvf  apt_archives.tar.gz### 备份sources.listroot@huawei2:/opt# cp -i /etc/apt/sources.list /etc/apt/xsources.list### sources.listroot@huawei2:/opt#  cp  /opt/apt_archives/sources.list  /etc/apt/sources.list root@huawei2:/opt#  apt-get clean && apt-get update### 安装本地仓的包root@huawei2:/opt#  apt-get -y install dpkg dpkg-dev libncurses5-dev libssl-dev libpciaccess0 nvme-cli net-tools sysstatroot@huawei2:/opt#  apt-get -y install libdrm-amdgpu1 xserver-xorg-video-amdgpu lxcroot@huawei2:/opt#  apt-get -y install build-essential libncurses5-dev openssl libssl-dev pkg-config bison flex libelf-dev
  • [安装] ubuntu下安装完mindsporeGPU版本之后报错
    【功能模块】pycharm执行测试代码出错import numpy as np from mindspore import Tensor import mindspore.ops as ops import mindspore.context as context context.set_context(device_target="GPU") x = Tensor(np.ones([1,3,3,4]).astype(np.float32)) y = Tensor(np.ones([1,3,3,4]).astype(np.float32)) print(ops.add(x, y))【操作步骤&问题现象】1、nvcc cuda cudnn等都已安装成功,且在pytorch环境下可以使用GPU2、执行python -c "import mindspore;mindspore.run_check()"输出MindSpore version: 1.7.0 The result of multiplication calculation is correct, MindSpore has been installed successfully!但是第二种检查方法则提示FileNotFoundError: [Errno 2] No such file or directory: 'nvcc'
  • [问题求助] 【鸿蒙设备开发实战】【ubuntu编译出错】hello_world
    在开始按视频步骤编译前,先直接编译,结果是ok的之后跟着视频,建立my_app文档以及便携文件然后更改BUILD,并将前面的注释掉然后去MobaXterm编译,结果出现了以下问题:选用的是小熊派社区给出的镜像文件Ubuntu64_Harmony_BearPi VMware镜像
  • [技术干货] Ubuntu arm64系统环境下快速安装docker方法
    在Ubuntu系统联网环境下,执行如下命令可以快速完成docker的安装:curl https://get.docker.com | sh  && sudo systemctl --now enable docker安装成功后,执行docker --version查询docker版本信息
  • [其他干货] CUDA编程(一)在WSL ubuntu 20.04上安装CUDA环境
    在Windows 11下搜索 Microsoft Store:在Store中搜索ubuntu 20.04:​点击获取:耐心等待下载完毕:下载完毕后:点击打开:输入用户名:zhanghui输入两次密码:zhanghui就进入了ubuntu 20.04的环境。使用nvidia-smi可以看到Nvidia的显卡信息:​我们可以按照提示按照nvidia的cuda toolkit:但是他不一定听你的话。 那我们还是去nvidia官网去下载CUDA toolkit吧! 这时需注意,要下载CUDA 11.4的版本,经张小白证实,CUDA最新版11.7跟WSL的Ubuntu 20.04貌似有点不兼容。打开:https://developer.nvidia.com/cuda-11-4-4-download-archive下面会显示具体的下载和安装命令,照此执行:​wget https://developer.download.nvidia.com/compute/cuda/11.4.4/local_installers/cuda_11.4.4_470.82.01_linux.runchmod +x *.runsudo sh cuda_11.4.4_470.82.01_linux.run​accept后会提示:​继续安装直到出现:装完了。到/usr/local下看看:可见,/usr/local/cuda的软链接指向了 /usr/local/cuda-11.4这样我们将 .bashrc简单地调整为指向 /usr/local/cuda,这样不管是哪个版本都会指向应该指向的实际目录:source ~/.bashrc使其生效 nvcc -V看看版本: ​编辑一个helloworld.cu的CUDA代码:nvcc -o helloworld helloworld.cu并执行:./helloworld终于完成了WSL的ubuntu 20.04上第一个CUDA的hello world程序。
  • [技术干货] ECS Ubuntu20.0 SSH 远程登陆报错
    使用securecrt 登陆 ECS Ubuntu20.0 提示:Key exchange failed. No compatible key exchange method. The server supports these methods: curve25519-sha256,curve25519-sha256@libssh.org,ecdh-sha2-nistp256,ecdh-sha2-nistp384,ecdh-sha2-nistp521,diffie-hellman-group-exchange-sha256,diffie-hellman-group16-sha512,diffie-hellman-group18-sha512,diffie-hellman-group14-sha256 这个问题的原因是,Ubuntu20.0 默认升级了SSH的鉴权算法,而老版本的securecrt不支持了。查了网上的资料:两个解决办法,1,升级securecrt到最新版本2.修改/etc/ssh/sshd_config文件添加KexAlgorithms curve25519-sha256@libssh.org,ecdh-sha2-nistp256,ecdh-sha2-nistp384,ecdh-sha2-nistp521,diffie-hellman-group-exchange-sha256,diffie-hellman-group14-sha1,diffie-hellman-group-exchange-sha1,diffie-hellman-group1-sha1然后重启ssh守护进程sudo /etc/init.d/ssh restart再尝试远程,就可以了。
  • [交流吐槽] 第二天笔记
    # 第二天 ## BearPi-HM Nano开发板介绍 ### 功能介绍 BearPi-HM Nano开发板是一块专门为OpenHarmony设计开发板,板载高度集成的2.4GHzWLANSoC芯片Hi3861,并板载NFC电路及标准的E53接口 ![屏幕截图 2022-07-14 214658.png](https://bbs-img.huaweicloud.com/data/forums/attachment/forum/20227/14/1657806459775604197.png) ### 原理解释 BearPi-HM Nano开发板提供了一个用户可控制的LED灯,可以用于GPIO输出、PWM输出等实验 ![屏幕截图 2022-07-14 215529.png](https://bbs-img.huaweicloud.com/data/forums/attachment/forum/20227/14/1657806941955860282.png) BearPi-HM Nano开发板提供标准的E53接口,适配所有E53扩展板,并通过排针引出功能丰富的GPIO。 ![屏幕截图 2022-07-14 215628.png](https://bbs-img.huaweicloud.com/data/forums/attachment/forum/20227/14/1657807003322829587.png) BearPi-HM Nano开发板提供了可读写的NFC标签,可用于实现碰一碰联网,碰一碰拉起服务等实验。 ![屏幕截图 2022-07-14 215718.png](https://bbs-img.huaweicloud.com/data/forums/attachment/forum/20227/14/1657807055759235923.png) BearPi-HM Nano开发板提供了一个复位按键和两个用户按键,原理图中SW1对应的是复位按键,SW2和SW3分别对应F1和F2按键。 ![屏幕截图 2022-07-14 215854.png](https://bbs-img.huaweicloud.com/data/forums/attachment/forum/20227/14/1657807146563510728.png) ## 开发环境搭建 ### 部署环境 解压百度云下载的HarmonyOSUbuntu18.4镜像OVF.zip文件到某个目录。 打开VMware Workstation工具 选择第1步解压的Ubuntu18.4镜像OVF文件夹中,点击打开 导入镜像到本地磁盘(选择一个磁盘空间大小≥ 10G的盘),点击导入。 点击开启此虚拟机,来开启虚拟机电源 此时虚拟机进入登录界面,点击HarmonyOS 在终端中输入ifconfig,然后点击回车,除lo外,另外一个就是的网卡信息,记录获取到的IP地址。 ### 在Windows上远程连接服务器 ### 把ubuntu文件远程映射到Windows上 ### 在ubuntu获取源码 ### 编译代码 ### 心得 根据教程一步一步做,,简单容易上手,要有耐心
  • [安装经验] 【MindSpore易点通·漫游世界】在WSL的Ubuntu 22.04上一键安装MindSpore GPU 1.7.0踩坑记
    (也不知道自己为啥没注意到上图的e跑到下面来了。。。懒得改了。。。作为一个技术人员,要留BUG在人间。。)近期张小白的周边发生了如下大事:(1)2022年4月,ubuntu推出22.04版本。(2)MindSpore推出自动安装脚本(3)张小白写过 【MindSpore易点通·漫游世界】在WSL的Ubuntu 20.04上一键安装MindSpore GPU 1.6.1(4)MindSpore推出 1.7.0版本。所以,张小白打算使用WSL的ubuntu 22.04自动安装MindSpore GPU 1.7.0版本。先安装WSL ubuntu 22.04版本,其实这个安装过程跟安装 WSL的ubuntu 20.04版本类似。(1)使用Microsoft Store安装 ubuntu 22.04 LTS:点击“打开”,这次的方式好像略有变化,因为多了些配置界面:输入用户名和密码:zhanghui/zhanghui点击Finish:这个执行可以先执行前面提示要运行的语句:sudo apt updatesudo apt upgrade
  • [技术干货] Ubuntu14.04安装FTP服务器的实现步骤【转载】
    FTP:文件传输协议,用于在两台计算机之间进行文件的上传和下载。有时候我们需要将本地的文件上传到远程的Ubuntu 14.04服务器上,或者把远程Ubuntu 14.04服务器上的文件下载到本地,这就需要搭建FTP安装采用如下命令安装ftp服务器1sudo apt install vsftpd软件管理软件管理方式1234service vsftpd start   启动service vsftpd restart  重启service vsftpd stop    停止service vsftpd status  查看状态匿名访问方式修改配置文件1gedit /etc/vsftpd.conf并写入配置12345678910111213141516anonymous_enable=YESanon_root= /data/publocal_enable=YESanon_upload_enable=YESanon_mkdir_write_enable=YESwrite_enable=YESlocal_umask=022dirmessage_enable=YESxferlog_enable=YESconnect_from_port_20=YESxferlog_std_format=YESlisten=YES#listen_ipv6=NOpam_service_name=vsftpduserlist_enable=NOtcp_wrappers=YES配置完成后,创建文件夹和文件,重启服务器12345mkdir -p /data/pubtouch /data/pub/a.txtchmod -R 777 /datachmod a-w /data/pubservice vsftpd restart 客户端登陆服务器命令行登陆1234ftp 127.0.0.1然后输入用户名Anonymous最后输入ls如果初现如图所示的效果即代表创建成功在文件夹下连接服务器使用文件夹访问服务器,最后能在文件夹下看到1.txt这个文件window下访问首先获取linux的ip地址1ifconfig接着,在window的文件管理器下输入地址ftp://192.168.183.128系统用户访问修改配置文件1、修改配置文件1gedit /etc/vsftpd.conf并写入配置1234anonymous_enable=NOlocal_enable=YESuserlist_enable=YESuserlist_deny=NO2、写入允许访问的用户名1gedit /etc/vsftpd.user_list添加自己的用户,比如我的电脑用户是ubuntu,则在文件内写上ubuntu配置完成后重启,1service vsftpd restart客户端登录服务器同样通过三种方式来访问该ftp命令行登录文件夹下连接服务器window下访问虚拟用户访问方式系统用户模式虽然可以控制访问,但是如果用户过多,就会影响服务器系统的管理,对服务器安全造成威胁!而且我们需要的仅仅是可以使用搭建在服务器的FTP服务而已!那么就需要我们设置虚拟用户进行登录,这也是推荐的方式!这种方式更加安全!虚拟用户就是没有实际的真实系统用户,而是通过映射到其中一个真实用户以及设置相应的权限来实现访问验证,虚拟用户不能登录Linux系统,从而让系统更加的安全可靠。安装工具安装如下工具,用于生成密码账户校验1sudo apt install db-util创建账户创建的ftpuser账户,用于接下来的实验,并修改密码12useradd ftpuser -s /sbin/nologinpasswd ftpuser修改总体配置1gedit /etc/vsftpd.conf并写入配置12345678910anonymous_enable=NOlocal_enable=YESuserlist_enable=YES#userlist_deny=NO guest_enable=YESguest_username=ftpuser  #和前面创建的用户名一致virtual_use_local_privs=YESpam_service_name=vsftpduser_config_dir=/etc/vsftpd/virtualconf  #记住这个路径创建配置文件夹,用于存放每个用户的配置1mkdir -p /etc/vsftpd/virtualconf创建存放用户密码1vi /etc/vsftpd/virtusers在文件中存入账户和密码同时使用db命令生成数据库文件1db_load -T -t hash -f /etc/vsftpd/virtusers /etc/vsftpd/virtusers.db修改pam配置文件1gedit /etc/pam.d/vsftpd把文件的内容全部删掉,替换以下配置12auth required /lib/x86_64-linux-gnu/security/pam_userdb.so db=/etc/vsftpd/virtusersaccount required /lib/x86_64-linux-gnu/security/pam_userdb.so db=/etc/vsftpd/virtusers配置每个用户信息切换到用户配置目录下1234mkdir -p /home/ftpuser/ftp1chown ftpuser.ftpuser /home/ftpusercd /etc/vsftpd/virtualconf/gedit ftp1文件内写入如下配置123456local_root=/home/ftpuser/ftp1write_enable=YESanon_world_readable_only=NOanon_upload_enable=YESanon_mkdir_write_enable=YESanon_other_write_enable=YES至此 ,配置全部完成客户端登录服务器登录之前先重启以下ftp服务器1service vsftpd restart我们现在共享目录下创建一个文件用于后续验证查看1touch /home/ftpuser/ftp1/1.txt接下来,同样用三种方式登录命令行登录可以看到1.txt为刚刚创建的文件文件夹下连接服务器window下访问到这里ftp三种模式已经全部配置并实践完成转载自https://www.jb51.net/article/228792.htm
  • [安装] 【mindspore-gpu】【gpu训练】ubuntu终端自动退出
    【环境】Ubuntu22.04+mindspore-gpu1.7.0+cuda11.1+cudnn8.0.5【操作步骤&问题现象】1、正确配置显卡驱动和安装cuda,自己写了个一个用GPU训练的测试程序,没有问题。2、运行我自己写得网络的时候,数据处理部分没有问题,到训练那一步的时候突然终端会关闭掉。用pycharm的时候是pycharm会关闭掉。3、没有报错,终端和pycharm直接就关掉了,请问有人遇到过同类问题吗?
  • [其他问题] 【云服务器】无法使用VNC连接到Ubuntu20.04的图形化界面
    【操作步骤&问题现象】按照官方教程为ubuntu20.04安装图形化界面后,使用VNC登录,切换成子用户后也无法登录到图形化界面注:官方说明ubuntu20.04需要用设置的子用户才能登录到图形化界面参考的安装图形化界面的连接:https://support.huaweicloud.com/ecs_faq/ecs_faq_0710.html【截图信息】截图如下。推测:根据右侧栏的用户信息推测默认是使用root账户登录,可能导致切换成子用户desny后依然无法转成图形化界面。想问一下我该如何用VNC远程连接到ubuntu20.04的图形化界面?
  • [活动体验] 就是越来越好用,MindSpore自动安装!-Ubuntu下GPU自动安装
    - 体验MindSpore v1.7的自动安装新特性,并围绕自动安装输出一篇干货。 干货地址:https://bbs.huaweicloud.com/forumreview/thread-191884-1-1.html - 推选出论坛技术干货帖里最推荐的3篇,并给出推荐理由。 https://bbs.huaweicloud.com/forum/thread-106722-1-1.html 超级全面的MindSpore入门教程 https://bbs.huaweicloud.com/forum/thread-190663-1-1.html 很清晰的卷积教程 https://bbs.huaweicloud.com/forum/thread-189158-1-1.html 从小白到大佬修炼之路 - 您的技术干货帖体验感受,欢迎提供意见建议,或是您认为需要补充的内容。 希望看到更多的实战落地的干货教程 - 外站分享 CSDN: https://blog.csdn.net/scc1371815174/article/details/125363978 博客园:https://www.cnblogs.com/xiaowangyun/p/16391777.html 华为云ID:sunxiaobei 邮箱:wangyunbeiwu@126.com
  • [安装经验] Ubuntu下自动安装MindSpore1.7GPU版
    https://www.mindspore.cn/install (1)前置安装 - 确认是安装 Ubuntu 是x86架构64位操作系统。 - 安装Minicanda或者Anaconda。 - 安装Python 环境 3.7.5 或3.9.0(如何使用Conda安装可以直接创建命令即可,如果手动安装则需要配置Python环境变量) - 安装 Cuda10.1/11.1 驱动、GCC、glibc、OpenSSL - 查看GPU驱动 ``` nvidia-smi ``` ![image-20220619222854958.png](https://bbs-img.huaweicloud.com/blogs/img/20220619/1655650374662210215.png) (2)自动安装 - 下载脚本 ``` wget https://gitee.com/mindspore/mindspore/raw/r1.7/scripts/install/ubuntu-gpu-pip.sh ``` ![image-20220619220842049.png](https://bbs-img.huaweicloud.com/blogs/img/20220619/1655650392947110140.png) - 编辑脚本 ``` vim ubuntu-gpu-pip.sh ``` 该脚本会执行以下操作: - 更改软件源配置为华为云源。 - 安装MindSpore所需的依赖,如GCC,gmp。 - 通过APT安装Python3和pip3,并设为默认。 - 下载CUDA和cuDNN并安装。 - 通过pip安装MindSpore GPU版本。 - 如果OPENMPI设置为`on`,则安装Open MPI。 自动安装脚本执行完成后,需要重新打开终端窗口以使环境变量生效。 - 执行脚本,完成安装 ``` # 安装MindSpore 1.7.0,Python 3.7和CUDA 10.1 MINDSPORE_VERSION=1.7.0 CUDA_VERSION=10.1 bash -i ./ubuntu-gpu-pip.sh ``` ![image-20220619221631399.png](https://bbs-img.huaweicloud.com/blogs/img/20220619/1655650410727270025.png) - 安装完成 ![image-20220619224009745.png](https://bbs-img.huaweicloud.com/blogs/img/20220619/1655650424459932194.png) - 安装其他版本,修改参数 ``` # 如需指定安装Python 3.9,CUDA 10.1以及MindSpore 1.6.0,使用以下方式 # PYTHON_VERSION=3.9 CUDA_VERSION=10.1 MINDSPORE_VERSION=1.6.0 bash -i ./ubuntu-gpu-pip.sh ``` - 完整脚本学习 ``` set -e PYTHON_VERSION=${PYTHON_VERSION:-3.7} MINDSPORE_VERSION=${MINDSPORE_VERSION:EMPTY} CUDA_VERSION=${CUDA_VERSION:-11.1} OPENMPI=${OPENMPI:-off} version_less() { test "$(echo "$@" | tr ' ' '\n' | sort -rV | head -n 1)" != "$1"; } if [ $MINDSPORE_VERSION == "EMPTY" ] || version_less "${MINDSPORE_VERSION}" "1.6.0"; then echo "MINDSPORE_VERSION should be >=1.6.0, please check available versions at https://www.mindspore.cn/versions." exit 1 fi available_py_version=(3.7 3.8 3.9) if [[ " ${available_py_version<li>} " != *" $PYTHON_VERSION "* ]]; then echo "PYTHON_VERSION is '$PYTHON_VERSION', but available versions are [${available_py_version<li>}]." exit 1 fi if [[ "$PYTHON_VERSION" == "3.8" && ${MINDSPORE_VERSION:0:3} == "1.6" ]]; then echo "PYTHON_VERSION==3.8 is not compatible with MINDSPORE_VERSION==1.6.x, please use PYTHON_VERSION==3.7 or 3.9 for MINDSPORE_VERSION==1.6.x." exit 1 fi available_cuda_version=(10.1 11.1) if [[ " ${available_cuda_version<li>} " != *" $CUDA_VERSION "* ]]; then echo "CUDA_VERSION is '$CUDA_VERSION', but available versions are [${available_cuda_version<li>}]." exit 1 fi declare -A minimum_driver_version_map=() minimum_driver_version_map["10.1"]="418.39" minimum_driver_version_map["11.1"]="450.80.02" driver_version=$(modinfo nvidia | grep ^version | awk '{printf $2}') if [[ $driver_version < ${minimum_driver_version_map[$CUDA_VERSION]} ]]; then echo "CUDA $CUDA_VERSION minimum required driver version is ${minimum_driver_version_map[$CUDA_VERSION]}, \ but current nvidia driver version is $driver_version, please upgrade your driver manually." exit 1 fi cuda_name="cuda-$CUDA_VERSION" declare -A version_map=() version_map["3.7"]="${MINDSPORE_VERSION/-/}-cp37-cp37m" version_map["3.8"]="${MINDSPORE_VERSION/-/}-cp38-cp38" version_map["3.9"]="${MINDSPORE_VERSION/-/}-cp39-cp39" # add value to environment variable if value is not in it add_env() { local name=$1 if [[ ":${!name}:" != *":$2:"* ]]; then echo -e "export $1=$2:\$$1" >> ~/.bashrc fi } # use huaweicloud mirror in China sudo sed -i "s@http://.*archive.ubuntu.com@http://repo.huaweicloud.com@g" /etc/apt/sources.list sudo sed -i "s@http://.*security.ubuntu.com@http://repo.huaweicloud.com@g" /etc/apt/sources.list sudo apt-get update sudo apt-get install curl make gcc-7 libgmp-dev linux-headers-"$(uname -r)" -y # python sudo add-apt-repository -y ppa:deadsnakes/ppa sudo apt-get install python$PYTHON_VERSION python$PYTHON_VERSION-distutils python3-pip -y sudo update-alternatives --install /usr/bin/python python /usr/bin/python$PYTHON_VERSION 100 # pip python -m pip install -U pip -i https://pypi.tuna.tsinghua.edu.cn/simple echo -e "alias pip='python -m pip'" >> ~/.bashrc python -m pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple # install cuda/cudnn echo "installing CUDA and cuDNN" cd /tmp declare -A cuda_url_map=() cuda_url_map["10.1"]=https://developer.download.nvidia.cn/compute/cuda/10.1/Prod/local_installers/cuda_10.1.243_418.87.00_linux.run cuda_url_map["11.1"]=https://developer.download.nvidia.cn/compute/cuda/11.1.1/local_installers/cuda_11.1.1_455.32.00_linux.run cuda_url=${cuda_url_map[$CUDA_VERSION]} wget $cuda_url sudo sh ${cuda_url##*/} --silent --toolkit cd - sudo apt-key adv --fetch-keys https://developer.download.nvidia.cn/compute/cuda/repos/ubuntu1804/x86_64/7fa2af80.pub sudo add-apt-repository "deb https://developer.download.nvidia.cn/compute/cuda/repos/ubuntu1804/x86_64/ /" sudo add-apt-repository "deb https://developer.download.nvidia.cn/compute/machine-learning/repos/ubuntu1804/x86_64/ /" sudo apt-get update declare -A cudnn_name_map=() cudnn_name_map["10.1"]="libcudnn7=7.6.5.32-1+cuda10.1 libcudnn7-dev=7.6.5.32-1+cuda10.1" cudnn_name_map["11.1"]="libcudnn8=8.0.4.30-1+cuda11.1 libcudnn8-dev=8.0.4.30-1+cuda11.1" sudo apt-get install --no-install-recommends ${cudnn_name_map[$CUDA_VERSION]} -y # add cuda to path set +e && source ~/.bashrc set -e add_env PATH /usr/local/cuda/bin add_env LD_LIBRARY_PATH /usr/local/cuda/lib64 add_env LD_LIBRARY_PATH /usr/lib/x86_64-linux-gnu set +e && source ~/.bashrc set -e # optional openmpi for distributed training if [[ X"$OPENMPI" == "Xon" ]]; then echo "installing openmpi" cd /tmp curl -O https://download.open-mpi.org/release/open-mpi/v4.0/openmpi-4.0.3.tar.gz tar xzf openmpi-4.0.3.tar.gz cd openmpi-4.0.3 ./configure --prefix=/usr/local/openmpi-4.0.3 make sudo make install add_env PATH /usr/local/openmpi-4.0.3/bin add_env LD_LIBRARY_PATH /usr/local/openmpi-4.0.3/lib fi arch=`uname -m` python -m pip install https://ms-release.obs.cn-north-4.myhuaweicloud.com/${MINDSPORE_VERSION}/MindSpore/gpu/${arch}/${cuda_name}/mindspore_gpu-${version_map["$PYTHON_VERSION"]}-linux_${arch}.whl --trusted-host ms-release.obs.cn-north-4.myhuaweicloud.com -i https://pypi.tuna.tsinghua.edu.cn/simple # check mindspore installation python -c "import mindspore;mindspore.run_check()" # check if it can be run with GPU cd /tmp cat > example.py <<END import numpy as np from mindspore import Tensor import mindspore.ops as ops import mindspore.context as context context.set_context(device_target="GPU") x = Tensor(np.ones([1,3,3,4]).astype(np.float32)) y = Tensor(np.ones([1,3,3,4]).astype(np.float32)) print(ops.add(x, y)) END python example.py cd - ```
  • [Atlas200] 【Atlas200】【系统】A200的ubuntu系统是裁剪过的吗?有什么不同?
    【功能模块】系统:ubuntu18.04固件/驱动:1.0.11系统镜像:ubuntu-18.04.4-server-arm64.iso【操作步骤&问题现象】系统有做裁剪处理吗?如果裁剪了,修改了哪些功能?【截图信息】【日志信息】(可选,上传日志内容或者附件)
  • [问题求助] 【鲲鹏ECS产品】【22端口无法连接功能】鲲鹏ECS,ubuntu18.04系统,22端口经常断开
    【功能模块】鲲鹏ECS【操作步骤&问题现象】1、xshell连接 ECS,能正常连接2、过段时间,这个时间可能是10分钟,也可能是30分钟,22端口就无法连接了,怎么试都不行,重启系统后,又可以正常连接【截图信息】【日志信息】(可选,上传日志内容或者附件)Connecting to 116.205.237.231:22...Could not connect to '116.205.237.231' (port 22): Connection failed