第一次使用Linux远程开发

大半夜11点收到老板消息，有个紧急任务要给我做，项目的具体内容保密不能公开，大致情况就是深度学习那些内容。

看了一眼需求，很经典的resnet50的backbone，本地的电脑自然是带不动（我自己的电脑用的3060的卡），因此也是用上Linux服务器了。

Linux的部分我只是在本科自学Java那会的时候，拿CentOS稍微看过一点，但是当时也没怎么用，所以这次用说是从零开始也不为过了。

本则笔记大概记录一下使用过程中比较有意思的一些内容，后来把与mask2former相关一些的内容移动到了这篇文档里面。

Get Everything Started

如果要使用服务器的话，第一点肯定是要连接到服务器。

给的教程是CSDN的这篇vscode连接远程服务器（傻瓜式教学），用自己常用的VSCode环境做开发还是比较友好的，vim我自己用的实际上还不太熟。

在这个基础上，不算太难，相当于就是一个SSH的配置，跟自己提交Github大差不差。

tmux

用VSCode跑训练进程的时候不可能整天守着+保持自己电脑开机，但是远端的服务器肯定是一直在跑的，这时候有个东西能监听session就好。

tmux我觉得是很符合直觉的一个工具，它就是干这个的。

使用方法参见阮一峰的网络日志：Tmux 使用教程。

谁更强？

没什么用的小知识增加了。

使用nvidia-smi居然会看不全GPU名字，看到了一行：

| 0 NVIDIA GeForce ... Off | 00000000:01:00.0 Off | Off |

气笑了，解决方案是nvidia-smi --query-gpu=name --format=csv,noheader。

目前组里用的两张卡是NVIDIA GeForce RTX 4090和NVIDIA RTX A6000。乍一听前者显存24G，后者显存48G，感觉应该是后面那个厉害点，但发现后者跑模型明显速度不对劲。

找GPT要了个规格对比图。后起之秀，更耗电，核心更多，也难怪跑的更快了。

参数	NVIDIA GeForce RTX 4090	NVIDIA RTX A6000
架构	Ada Lovelace (AD102)	Ampere (GA102)
CUDA 核心数	16384	10752
Tensor 核心数	512	336
显存容量	24 GB GDDR6X	48 GB GDDR6X
显存带宽	1008 GB/s	700 GB/s
功耗	450W	300W
基础频率	2235 MHz	1395 MHz
加速频率	2520 MHz	1695 MHz
多精度性能	高（支持 FP32、FP16、INT8 等）	高（支持 FP32、FP16、TF32 等）
发布日期	2022年10月	2020年12月

另外，实测下来IMS_PER_BATCH=2只占16G左右的显存，但是GPU利用率已经干到70~80，往上加BATCH_SIZE虽然显存都用上了，但是训练速度却因为GPU满负荷反而会降低，这就很乐了。

Hello, tex!

预计要投一篇ccf-b，学习了一下外文期刊的格式。

目前预订要投的这个会议给了一份 \(\TeX\) 模板。

因为学习过 \(\LaTeX\) 的原因所以相对比较简单，装了个TeXStudio+MikTeX最低环境，然后照着给的template改就完事了。

不得不说，虽然看着还是挺花的，但tex模板还是比Word方便很多，尤其是最后BibTeX的部分，特别省心。

希望毕设也能给个 \(\TeX\) 模板，不因为别的，就因为Word模板实在太恶心了，总要冷不丁坑你一下。