(单用户/多用户)远程连接GPU服务器上的jupyter notebook解决方案

远程连接GPU服务器上的jupyter notebook

序言
——————
近期由于要跑一些cv方向的代码，自己的电脑GPU太垃圾，根本跑不动。正好实验室有GPU服务器，配了2块Nvidia Geforce RTX 2080 Ti。然后就涉及到需要在自己的笔记本上远程连接服务器上的jupyter notebook来使用GPU服务器上的算力。以下分为单用户和多用户的解决方案。

单用户就是1个账号上运行1个jupyter notebook服务，只需要分配一个端口；多用户就是你一个账号要开n个jupyter notebook服务，需要分配多个端口。

单用户连接jupyter notebook解决方案

以下操作均在GPU服务器上进行。

安装jupyter notebook

1. 安装Anaconda3

    bash Anaconda3-2019.10-Linux-x86_64.sh(需要去官网下载)
   

2. 创建虚拟环境

    conda create -n xxx python=3.7 
   

3. **虚拟环境

    conda actiavte xxx
   

4. 安装jupyter notebook

    conda install jupyter notebook
   

配置jupyter notebook远程

1. 生成配置文件

    jupyter notebook --generate-config（在虚拟环境里运行）
   

   上述代码会在~/.jupyter下生成一个jupyter_notebook_config.py文件。

2. 修改配置文件

    vi ~/.jupyter/jupyter_notebook_config.py
   

   修改内容：(记得去掉每行前面的’#’)

    c.NotebookApp.ip='*'		#表示同一网络的主机都可访问
    c.NotebookApp.password = u'sha密文'
    c.NotebookApp.open_browser = False
    c.NotebookApp.port =8888 #随便指定一个端口(这个需要看是不是冲突)
   

   sha密文生成方式。

    In [1]: from notebook.auth import passwd
    In [2]: passwd()
    Enter password:
    Verify password:
    Out[2]:'sha1:xxxxxxxxx:xxxxxxxxxxxxxxxxxxxxx'
   

3. 运行jupyter notebook

    jupyter notebook(在虚拟环境内输入)
   

   运行效果如下：

   可见图中jupyter notebook是GPU服务器IP:8800

4. 在浏览器输入GPU服务器IP:8800
   

多用户连接jupyter notebook解决方案

问题

多用户是在配置好上述单用户的情况下，比如我们还有另一个虚拟环境xxx2，这个环境我们也需要使用jupyter notebook，而且在很多情况下我们需要同时使用，因为有些代码是需要跑很长时间的。多个jupyter notebook意味着需要多个端口，也同时意味着需要多个配置文件。但是，我们上面只生成了一个配置文件，这该怎么办？

解决方案

1. 复制单用户时的jupyter_notebook_config.py文件，并且命名为jpconfig.py,同时修改端口号，保证不冲突。

    cp ~/.jupyter/jupyter_notebook_config.py ~/.jupyter/jpconfig.py
   

2. 在另一个虚拟环境内启动jupyter notebook时手动指定配置文件，否则会默认使用~/.jupyter/jupyter_notebook_config.py作为配置文件

    jupyter notebook --config ~/.jupyter/jpconfig.py
   

3. 在浏览器同时访问GPU服务器上的多个虚拟环境下的jupyter notebook.

    GPU服务器IP:8800
    GPU服务器IP:8900
   

   效果如下图：