画像パート　作業サーバーセットアップ編

このNotebookは，情報科学演習で使う作業サーバーに各自の作業環境を準備する手順をまとめたものです．
基本的には，以下の流れで進めます．

1. 各自のユーザを作成

2. SSH公開鍵認証を設定

3. conda環境の作成

4. GPU周りの設定

5. PyTorchのインストール

1. 各自のユーザを作成

1. VSCodeの拡張機能Remote-SSHをインストール
   {width=700px}

2. SSH configを編集

   1. 「ctrl + shift + P」でコマンドパレットを開く

   2. 「Remote SSH:ホストに接続する」を選択

   3. 「SSHホストを構成する…」を選択

   4. 「C:~.ssh\config」を選択

   5. 下記画像の様にSSH設定を編集
      

3. Remote-SSH を使って，作業サーバーのrootアカウントにSSH

4. 各学生のユーザ作成
   例: ユーザ名を hoge とします．

   1. ユーザ作成 & ホームディレクトリ作成．注)フルネームとか聞かれるが，エンター連打で大丈夫
      
      

      bash

      sudo adduser hoge
      

   2. ユーザ作成確認
      
      

      bash

      cat /etc/passwd | grep hoge
      

   3. sudo権限付与
      
      

      bash

      sudo gpasswd -a hoge sudo
      

5. Remote-SSH を使って，作業サーバーのuserアカウントにSSH

2. 公開鍵認証設定

毎回パスワード入力するのは面倒なので，公開鍵認証を設定します．

1. 公開鍵作成(Windows想定)

   1. コマンドプロンプトで公開鍵作成
      .sshディレクトリにhoge_keyとhoge_key.pubが生成される
      
      

      bash

      ssh-keygen -f C:\~\.ssh\hoge_key
      

2. SSH configの編集
   configファイルの”IdentityFile”に先ほど作成した秘密鍵(.pubじゃない方)の絶対パスを追加

3. 作業サーバーに公開鍵を設定

   1. .sshディレクトリの作成
      
      

      bash

      mkdir -p .ssh
      

   2. authorized_keysの作成
      
      

      bash

      touch .ssh/authorized_keys
      

   3. 公開鍵のコピー
      
      

      bash

      # ノートPCのコマンドプロンプトで実行
      scp C:~\.ssh\hoge_key.pub hoge@hoge_ip:~/.ssh/
      
      # 作業サーバーで実行
      cat .ssh/hoge_key.pub >> .ssh/authorized_keys
      rm .ssh/hoge_key.pub
      

   4. 権限設定
      
      

      bash

      chmod 700 .ssh
      chmod 600 .ssh/authorized_keys
      

3. conda 環境の作成

情科演習の作業で使う仮想環境のセットアップを行います．

1. WEBからダウンロードリンクをコピーしてくる
   Annaconda URL:https://www.anaconda.com/

2. wgetコマンドでダウンロード
   
   

   bash

   wget https://repo.anaconda.com/archive/Anaconda3-2025.06-0-Linux-x86_64.sh
   

3. インストール
   sudoを使うとroot権限になってユーザーから見えなくなるので注意
   
   

   bash

   bash ./Anaconda3-2025.06-0-Linux-x86_64.sh -b -p ~/anaconda3
   

4. 初期化してパス通す
   
   
   

   bash

   ~/anaconda3/bin/conda init bash
   source ~/.bashrc
   

5. 仮想環境作成
   初回は利用規約確認が出るが無視してOK
   
   

   bash

   # 仮想環境作成
   conda create -n env_test python=3.9
   # 仮想環境有効化
   conda activate env_test
   

6. その他使うコマンド
   
   

   bash

   # 仮想環境作終了(baseに戻る)
   conda deactivate
   # 環境一覧表示
   conda env list
   # パッケージのインストール
   conda install numpy pandas
   # パッケージ一覧表示
   conda list
   # 環境削除
   conda remove -n env_test –all
   # 環境のエクスポート
   conda env export > env.yml
   # 環境の再構築
   conda env create -f env.yml
   

4. GPU周りの設定

作業サーバーに積んであるGPUを使えるようにします．

1. GPU ドライバー設定

   1. CUDA対応のGPUが刺さっているか確認
      今回はGeForce RTX 3060 Ti
      
      

      bash

      lspci | grep -i nvidia
      

   2. 公式サイト(https://www.nvidia.com/en-us/drivers/)から，使用しているGPUに対応するドライバーを探す
      ※ubuntu-drivers devicesでも実は探せる

      

   3. ドライバインストール
      
      

      bash

      sudo apt update
      sudo apt install nvidia-driver-580
      

2. CUDA設定

   1. GPUに合うCUDA verの確認
      CUDAのwikipedia(https://en.wikipedia.org/wiki/CUDA#GPUs_supported)で確認

      1. 3060tiのMicro architectureはAmpere

      2. Compute capabilityは8.6

      3. Compute capabilityに対応するCUDA verは11.1-11.4
         公式テストしたver．安定．怖かったらこれ．

      4. Micro architectureに対応するCUDA verは11.0-13.0
         全然動作する
         11.1-11.4が最適だが古いので今回は12.6を使用

   2. CUDA 12.6のインストール
      公式サイトから12.6のコードをコピー
      
      
      

      bash

      wget https://developer.download.nvidia.com/compute/cuda/repos/ubuntu2004/x86_64/cuda-keyring_1.1-1_all.deb
      sudo dpkg -i cuda-keyring_1.1-1_all.deb
      sudo apt-get update
      sudo apt-get -y install cuda-toolkit-12-6
      

   3. 確認
      
      

      bash

      nvcc --version
      

5. PyTorchのインストール

画像パート機械学習編で使うPyTorchの準備をします

1. CUDA verと対応するPyTorchのverを確認する
   PyTorch公式(https://pytorch.org/get-started/locally/)
   

2. 仮想環境上でコードを実行
   
   
   

   bash

   pip3 install torch torchvision --index-url https://download.pytorch.org/whl/cu126
   

3. 確認
   
   

   bash

   python3 -c "import torch; print('CUDA available:', torch.cuda.is_available()); print('GPU:', torch.cuda.get_device_name(0) if torch.cuda.is_available() else 'None')"