服务器学生使用教程
使用声明：
- 所有人公用一个环境base_DL_env,包含基础的深度学习依赖，如缺少依赖请使用管理员账号谨慎安装！！！
- 登录后默认使用base_DL_env,可使用以下命令查看
echo $CONDA_DEFAULT_ENV
使用方法：
1.远程登录
推荐使用vs code远程登录,vs code下载remote ssh插件：
安装完成之后会在左侧新增一个选项卡Remote Explorer，如下图所示：
2.添加服务器连接配置
点击该选项卡，会进入SSH TARGETS的添加，如下图所示：
点击添加按钮，输入远程服务器的地址，命令格式为：
ssh 账号名@服务器地址
保存目录就选默认的，作用是让电脑记下来这个地址。之后要求输入密码：
3.项目运行
这时其实已经连接上了，选择打开文件夹，并选择/home/student_projects/目录！！！也会要求输入密码
这个目录专门用来放你的项目，在此做出标准：
你可在/home/student_projects/使用你的姓名创建属于你的单独目录，其中以test为例。
你的创建方式为点击空白区域，选择新建文件夹，命名可以为你的姓名缩写，防止别人误点：
4.运行
以test中的mflvc为例，不建议使用vs coded的F5 调试运行 ，这需要在服务器上下载调试器 ，但是服务器是内网的，不成功！
你可以选择终端，在终端中进入你的项目目录，必须包含到运行的py文件，以图中的train.py文件为例，必须要跳到mflvc-main文件目录，而后执行运行命令：
如图成功：
提醒
1. 登录与连接
服务器位于内网环境，请使用SSH 客户端进行连接。
-
推荐软件：Xshell (终端命令行), Xftp (文件传输), 或VS Code (Remote-SSH 插件)。
-
服务器IP：
192.168.x.x(请询问管理员获取具体IP) -
端口(Port)：
22 -
账号：由管理员分配(例如
zhangsan,Student) -
密码：初始密码(登录后请勿随意修改系统配置)
2. 环境说明(重要!)
管理员已为大家预装了统一的深度学习环境base_DL_env。
-
Python 版本：3.10
-
框架版本：PyTorch 2.0.1 + CUDA 11.8
-
常用库：Numpy, Scikit-learn, Scipy, Pandas 等。
3. 文件管理与上传
由于服务器无法连接外网，所有代码和数据集必须通过个人电脑下载后，使用Xftp上传。
-
您的工作目录：
/home/student_projects/<您的用户名>/ -
注意：
-
请勿在
/home/WXL或系统根目录下存放文件。 -
大文件（如数据集）请尽量整理规范，避免散乱。
-
4. 常见问题(FAQ)
Q1: 为什么输入pip install xxx报错？ A:服务器没有外网，无法在线安装。
-
如果缺少常用库，请联系管理员(WXL) 统一安装。
-
如果是个人特殊库，请自行下载
.whl文件上传，使用pip install xxx.whl --user安装。
Q2: 为什么输入py train.py提示找不到命令？ A: Linux 下的标准命令是python，请勿使用Windows 习惯的py。
Q3: 代码提示FileNotFoundError: .../data/BDGP.mat？ A:请检查您是否在项目根目录下新建了data文件夹，并确实把.mat数据文件传进去了。 Linux 对文件名大小写敏感。
