Ubuntu（友邦拓，网友也喜欢称之为“乌班图”）是一个以桌面应用为主的Linux操作系统，其名称来自非洲南部祖鲁语或豪萨语的“ubuntu”一词，意思是“人性”、“我的存在是因为大家的存在”，是非洲传统的一种价值观，类似华人社会的“仁爱”思想.
家里有一台旧的联想T440笔记本，某天来了兴致安装了ubuntu 22.04，默认情况下指纹识别是无法使用的。
查看硬件属于 Elan 指纹识别设备，Ubuntu 自带的 Libfprint 已经提供了支持。
|
1 |
$ sudo apt install fprintd libpam-fprintd |
执行
|
1 |
$ sudo pam-auth-update |
将第一项，用空格勾选上，然后点“确定”。这样就授权指纹识别登录设备。
打开“设置---用户---指纹登录”，此时就可以打开了。点击“+”，录入第一个指纹吧
在 ubuntu 22.04 通过 snap 安装了 Flutter SDK（当前是Flutter 3.3.4)，如果第三方的依赖了 CMake 3.10.2 更高的版本，会在编译的时候报错：
|
1 |
CMake 3.14 or higher is required. You are running version 3.10.2 |
这个报错的原因是由于 snap 安装的 Flutter SDK 构建了一个沙箱环境，在这个环境中的 CMake 是 3.10.2 版本，不管系统安装的是哪个版本的 CMake ，都是无效的。
要解决这个问题，或者等待 snap 的 Flutter SDK 更新版本，或者参照 Linux install Flutter 的说明，手工安装并配置 Flutter SDK 。
可以参考如下代码：
|
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 |
$ sudo snap remove flutter $ sudo apt-get install curl $ sudo apt-get install clang $ sudo apt-get install git $ sudo apt-get install ninja-build $ sudo apt-get install pkg-config $ sudo apt install gettext $ sudo apt-get install libgtk-3-dev $ sudo apt install libstdc++-12-dev $ git clone https://github.com/flutter/flutter.git -b stable $ export PATH="$PATH:`pwd`/flutter/bin" $ cd `pwd`/flutter/bin $ ./flutter doctor |
ubuntu 20.04 升级到 ubuntu 22.04 报错,报错内容如下：
|
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 |
正在设置 openmpi-bin (4.1.2-2ubuntu1) ... update-alternatives: 错误: /var/lib/dpkg/alternatives/mpi 损坏：次要链接与主链接 /usr/bin/mpicc 相同 dpkg: 处理软件包 openmpi-bin (--configure)时出错： 已安装 openmpi-bin 软件包 post-installation 脚本 子进程返回错误状态 2 dpkg: 依赖关系问题使得 mpi-default-bin 的配置工作不能继续： mpi-default-bin 依赖于 openmpi-bin；然而： 软件包 openmpi-bin 尚未配置。 dpkg: 处理软件包 mpi-default-bin (--configure)时出错： 依赖关系问题 - 仍未被配置 dpkg: 依赖关系问题使得 libcoarrays-openmpi-dev:amd64 的配置工作不能继续： libcoarrays-openmpi-dev:amd64 依赖于 openmpi-bin；然而： 软件包 openmpi-bin 尚未配置。 dpkg: 处理软件包 libcoarrays-openmpi-dev:amd64 (--configure)时出错： 依赖关系问题 - 仍未被配置 dpkg: 依赖关系问题使得 libopenmpi-dev:amd64 的配置工作不能继续： libopenmpi-dev:amd64 依赖于 openmpi-bin (>= 3.0.0-1)；然而： 软件包 openmpi-bin 尚未配置。 dpkg: 处理软件包 libopenmpi-dev:amd64 (--configure)时出错： 依赖关系问题 - 仍未被配置 dpkg: 依赖关系问题使得 libboost-mpi-python1.74.0 的配置工作不能继续： libboost-mpi-python1.74.0 依赖因为错误消息指示这是由于上一个问题导致的错误，没有写入 apport 报告。 因为错误消息指示这是由于上一个问题导致的错误，没有写入 apport 报告。 由于已经达到 MaxReports 限制，没有写入 apport 报告。 由于已经达到 MaxReports 限制，没有写入 apport 报告。 由于已经达到 MaxReports 限制，没有写入 apport 报告。 由于已经达到 MaxReports 限制，没有写入 apport 报告。 由于已经达到 MaxReports 限制，没有写入 apport 报告。 由于已经达到 MaxReports 限制，没有写入 apport 报告。 由于已经达到 MaxReports 限制，没有写入 apport 报告。 由于已经达到 MaxReports 限制，没有写入 apport 报告。 由于 mpi-default-bin；然而： 软件包 mpi-default-bin 尚未配置。 dpkg: 处理软件包 libboost-mpi-python1.74.0 (--configure)时出错： 依赖关系问题 - 仍未被配置 dpkg: 依赖关系问题使得 libboost-mpi-python1.74-dev 的配置工作不能继续： libboost-mpi-python1.74-dev 依赖于 libboost-mpi-python1.74.0 (= 1.74.0-14ubuntu3)；然而： 软件包 libboost-mpi-python1.74.0 尚未配置。 dpkg: 处理软件包 libboost-mpi-python1.74-dev (--configure)时出错： 依赖关系问题 - 仍未被配置 dpkg: 依赖关系问题使得 libboost-mpi-python-dev 的配置工作不能继续： libboost-mpi-python-dev 依赖于 libboost-mpi-python1.74-dev；然而： 软件包 libboost-mpi-python1.74-dev 尚未配置。 dpkg: 处理软件包 libboost-mpi-python-dev (--configure)时出错： 依赖关系问题 - 仍未被配置 dpkg: 依赖关系问题使得 libboost-all-dev 的配置工作不能继续： libboost-all-dev 依赖于 libboost-mpi-python-dev；然而： 软件包 libboost-mpi-python-dev 尚未配置。 dpkg: 处理软件包 libboost-all-dev (--configure)时出错： 依赖关系问题 - 仍未被配置 dpkg: 依赖关系问题使得 mpi-default-dev 的配置工作不能继续： mpi-default-dev 依赖于 libopenmpi-dev；然而： 软件包 libopenmpi-dev:amd64 尚未配置。 dpkg: 处理软件包 mpi-default-dev (--configure)时出错： 依赖关系问题 - 仍未被配置 dpkg: 依赖关系问题使得 libboost-mpi1.74-dev 的配置工作不能继续： libboost-mpi1.74-dev 依赖于 mpi-default-dev；然而： 软件包 mpi-default-dev 尚未配置。 dpkg: 处理软件包 libboost-mpi1.74-dev (--configure)时出错： 依赖关系问题 - 仍未被配置 dpkg: 依赖关系问题使得 libboost-mpi-dev 的配置工作不能继续： libboost-mpi-dev 依赖于 libboost-mpi1.74-dev；然而： 软件包 libboost-mpi1.74-dev 尚未配置。 dpkg: 处理软件包 libboost-mpi-dev (--configure)时出错： 依赖关系问题 - 仍未被配置 在处理时有错误发生： openmpi-bin mpi-default-bin libcoarrays-openmpi-dev:amd64 libopenmpi-dev:amd64 libboost-mpi-python1.74.0 libboost-mpi-python1.74-dev libboost-mpi-python-dev libboost-all-dev mpi-default-dev libboost-mpi1.74-dev libboost-mpi-dev E: Sub-process /usr/bin/dpkg returned an error code (1) |
解决方法：
|
1 2 3 |
$ sudo mv /var/lib/dpkg/alternatives/mpi /var/lib/dpkg/alternatives/mpi.bak $ sudo apt-get dist-upgrade |
ubuntu 20.04.4系统执行升级命令后全部应用图标都无法显示，系统变成如下图：
很多应用也无法打开了，点击之后无任何反应。
查看系统日志可以看到如下错误信息：
|
1 2 3 4 5 6 |
(gnome-calculator:4038): Gtk-WARNING **: 06:23:42.942: Could not load a pixbuf from icon theme. This may indicate that pixbuf loaders or the mime database could not be found. ** Gtk:ERROR:../../../../gtk/gtkiconhelper.c:494:ensure_surface_for_gicon: assertion failed (error == NULL): Failed to load /usr/share/icons/Yaru/16x16/status/image-missing.png: Unrecognized image file format (gdk-pixbuf-error-quark, 3) Bail out! Gtk:ERROR:../../../../gtk/gtkiconhelper.c:494:ensure_surface_for_gicon: assertion failed (error == NULL): Failed to load /usr/share/icons/Yaru/16x16/status/image-missing.png: Unrecognized image file format (gdk-pixbuf-error-quark, 3) [1] 4038 abort (core dumped) gnome-calculator |
这个原因是由于 gdk-pixbuf 的改动导致的系统 BUG，只需要重新生成一下应用图标缓存即可。
执行如下命令：
|
1 2 3 4 5 6 7 |
$ sudo apt-get install shared-mime-info $ sudo update-mime-database /usr/share/mime $ sudo chmod 644 /usr/share/applications/mimeinfo.cache $ sudo /usr/lib/x86_64-linux-gnu/gdk-pixbuf-2.0/gdk-pixbuf-query-loaders --update-cache |
从3.0之后的版本，flutter已经正式支持构建Linux应用
输入如下指令（如下命令可以使用flutter config查看，2.10以上的版本默认开启）
|
1 2 3 4 5 6 |
flutter config --enable-linux-desktop # 其他平台 flutter config --[no-]enable-macos-desktop flutter config --[no-]enable-windows-desktop |
可以使用flutter doctor查看情况。
安装编译依赖
|
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 |
# 安装Android Studio $ sudo snap install android-studio --classic # 安装 Flutter SDK $ sudo snap install flutter # 更新 Flutter SDK $ flutter $ sudo apt-get install cmake $ sudo apt-get install ninja-build $ sudo apt-get install clang $ sudo apt-get install gtk+-3.0 $ sudo apt-get install libssl-dev $ sudo apt-get install git $ sudo apt-get install vim |
在项目地址输入如下指令
|
1 |
flutter create --platforms=linux[,macos,windows] . |
注意: 项目的名称必须是全小写，如果出现大小写则会报错
|
1 2 3 |
"TxxxFxxx" is not a valid Dart package name. See https://dart.dev/tools/pub/pubspec#name for more information. |
|
1 |
flutter build linux |
|
1 2 3 4 5 6 7 8 9 |
Launching lib/main.dart on Linux in debug mode... Building Linux application... CMake Error at cmake_install.cmake:66 (file): file INSTALL cannot copy file "/xxxx/xxxx/build/linux/x64/debug/intermediates_do_not_run/xxx" to "/usr/local/xxx": Permission denied. Exception: Build process failed |
出现这个问题
|
1 |
flutter clean //执行这个然后重启 Android Studio |
在最新的 Ubuntu 22.04 系统上使用Visual Studio Code调试Flutter应用，Chrome使用Snap安装。
通过指定 CHROME_EXECUTABLE=/snap/bin/chromium，在调试的时候，报错如下：
|
1 2 3 4 5 6 |
Launching lib/main.dart on Chrome in debug mode... lib/main.dart:1 [CHROME]:need to run as root or suid Failed to launch browser after 3 tries. Command used to launch it: /snap/bin/chromium --user-data-dir=/tmp/flutter_tools.SEVTFD/flutter_tools_chrome_device.AMHTFX --remote-debugging-port=38457 --disable-background-timer-throttling --disable-extensions --disable-popup-blocking --bwsi --no-first-run --no-default-browser-check --disable-default-apps --disable-translate http://localhost:42407 Failed to launch browser. Make sure you are using an up-to-date Chrome or Edge. Otherwise, consider using -d web-server instead and filing an issue at https://github.com/flutter/flutter/issues. Exited (sigterm) |
解决方法就是指定真实的Chrome安装路径，直接调用，而不是通过Snap的沙箱，解决沙箱无法调试的问题。
如下：
|
1 2 |
#export CHROME_EXECUTABLE=/snap/bin/chromium export CHROME_EXECUTABLE=/snap/chromium/current/usr/lib/chromium-browser/chrome |
上述方法同样可以解决 Android Studio 在 Ubuntu 22.04 系统上无法找到 Chrome 的问题。
How to get the snap-based chromium to access a separately mounted filesystem?
通过远程桌面（RDP）连接到远程Ubuntu服务器桌面，执行调用X窗口应用的时候，报错如下：
|
1 2 3 4 5 6 7 8 9 |
$ sudo update-manager No protocol specified Unable to init server: Could not connect: Connection refused No protocol specified Unable to init server: 无法连接： Connection refused No protocol specified Unable to init server: 无法连接： Connection refused (update-manager:2547): Gtk-WARNING **: 12:39:47.296: cannot open display: :10.0 |
原因因为：
XServer默认情况下不允许别的用户的图形程序的图形显示在当前屏幕上。
如果需要别的用户的图形显示在当前屏幕上，则应以当前登陆的用，也就是切换身份前的用户执行如下命令。
当前登陆普通用户执行：xhost +
|
1 2 3 4 |
$ xhost + access control disabled, clients can connect from any host $ sudo update-manager |
ubuntu 20.04/21.10使用 RDP 远程登陆之后，如果系统较长时间不操作，系统就自动休眠了。
如果重启之后，从来都没有登陆，就不会出现系统自动休眠的情况。
观察系统日志，发现类似如下的内容：
|
1 2 3 4 5 6 7 8 |
Feb 25 22:15:38 server NetworkManager[737]: <info> [1582668938.0193] manager: sleep: sleep requested (sleeping: no enabled: yes) Feb 25 22:15:38 server NetworkManager[737]: <info> [1582668938.0239] manager: NetworkManager state is now ASLEEP Feb 25 22:15:38 server whoopsie[1025]: [22:15:38] offline Feb 25 22:15:38 server gnome-shell[956]: Screen lock is locked down, not locking Feb 25 22:15:38 server systemd[1]: Reached target Sleep. Feb 25 22:15:38 server systemd[1]: Starting Suspend... Feb 25 22:15:38 server kernel: [ 1235.212537] PM: suspend entry (s2idle) Feb 25 22:15:38 server systemd-sleep[1705]: Suspending system... |
发现是触发了systemd的自动休眠功能，检查休眠功能的状态以及历史记录，如下：
|
1 2 3 4 5 6 7 8 9 10 |
$ systemctl status sleep.target ● sleep.target - Sleep Loaded: loaded (/lib/systemd/system/sleep.target; static; vendor preset: enabled) Active: inactive (dead) Docs: man:systemd.special(7) Feb 24 13:18:08 xps systemd[1]: Reached target Sleep. Feb 26 13:29:31 xps systemd[1]: Stopped target Sleep. Feb 26 13:29:57 xps systemd[1]: Reached target Sleep. Feb 26 13:30:19 xps systemd[1]: Stopped target Sleep. |
普通桌面应用这个情况问题不大，但是如果是作为服务器使用的时候，我们一般远程访问系统，这个功能就会导致我们无法远程控制服务器，因此我们需要关闭这个功能。
执行关闭休眠功能的命令，如下：
|
1 2 3 4 5 6 |
$ sudo systemctl mask sleep.target suspend.target hibernate.target hybrid-sleep.target Created symlink /etc/systemd/system/sleep.target → /dev/null. Created symlink /etc/systemd/system/suspend.target → /dev/null. Created symlink /etc/systemd/system/hibernate.target → /dev/null. Created symlink /etc/systemd/system/hybrid-sleep.target → /dev/null. |
再次观察系统休眠状态，如下：
|
1 2 3 4 5 |
$ systemctl status sleep.target ● sleep.target Loaded: masked (Reason: Unit sleep.target is masked.) Active: inactive (dead) |
发现自动休眠功能已经被关闭，不会出现自动休眠导致远程控制无法访问的情况了。
安装驱动：
|
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 |
# 清理全部的其他版本的nvidia驱动 $ sudo apt-get purge nvidia-* $ sudo reboot # nvidia-smi $ sudo apt install nvidia-utils-470 # 驱动 $ sudo apt install nvidia-driver-470 # cuda 11.3 $ sudo apt install nvidia-cuda-toolkit $ sudo apt-get update # 部分驱动可能会更新，需要执行更新，否则可能依旧不正常 $ sudo apt-get dist-upgrade $ sudo apt-get autoremove # 重启，否则部分驱动可能工作不正常 $ sudo reboot |
在 Anaconda 上建立独立的编译环境，然后执行编译：
|
1 2 3 4 5 6 7 8 |
# wget https://repo.anaconda.com/archive/Anaconda3-2020.02-Linux-x86_64.sh # 国内镜像下载 $ wget https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/Anaconda3-2021.11-Linux-x86_64.sh $ bash Anaconda3-*-Linux-x86_64.sh # 更新到最新版本 $ conda update -n base -c defaults conda |
参考 Anaconda conda切换为国内源 加速下载。
编译配置StyleGAN3
|
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 |
$ sudo apt-get install git $ git clone git@github.com:NVlabs/stylegan3.git $ cd stylegan3 $ conda env create -f environment.yml $ conda activate stylegan3 $ pip install psutil # cudnn加速 $ conda install cudnn # 目前测试 RTX 3060 12GB的情况下，batch建议是2，更高会报告OOM # 并且当batch低于4的时候，需要同时指定 --mbstd-group=2 $ python train.py --outdir=~/training-runs --cfg=stylegan3-t --data=~/datasets/metfaces-1024x1024.zip --gpus=1 --batch=2 --mbstd-group=2 --gamma=8.2 --mirror=1 --metrics=none |
如果报错：
|
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 |
Constructing networks... Setting up PyTorch plugin "bias_act_plugin"... Failed! Traceback (most recent call last): File "~/source/stylegan3/train.py", line 286, in <module> main() # pylint: disable=no-value-for-parameter File "~/anaconda3/envs/stylegan3/lib/python3.9/site-packages/click/core.py", line 1128, in __call__ return self.main(*args, **kwargs) File "~/anaconda3/envs/stylegan3/lib/python3.9/site-packages/click/core.py", line 1053, in main rv = self.invoke(ctx) File "~/anaconda3/envs/stylegan3/lib/python3.9/site-packages/click/core.py", line 1395, in invoke return ctx.invoke(self.callback, **ctx.params) File "~/anaconda3/envs/stylegan3/lib/python3.9/site-packages/click/core.py", line 754, in invoke return __callback(*args, **kwargs) File "~/source/stylegan3/train.py", line 281, in main launch_training(c=c, desc=desc, outdir=opts.outdir, dry_run=opts.dry_run) File "~/source/stylegan3/train.py", line 96, in launch_training subprocess_fn(rank=0, c=c, temp_dir=temp_dir) File "~/source/stylegan3/train.py", line 47, in subprocess_fn training_loop.training_loop(rank=rank, **c) File "~/source/stylegan3/training/training_loop.py", line 168, in training_loop img = misc.print_module_summary(G, [z, c]) File "~/source/stylegan3/torch_utils/misc.py", line 216, in print_module_summary outputs = module(*inputs) File "~/anaconda3/envs/stylegan3/lib/python3.9/site-packages/torch/nn/modules/module.py", line 1071, in _call_impl result = forward_call(*input, **kwargs) File "~/source/stylegan3/training/networks_stylegan3.py", line 511, in forward ws = self.mapping(z, c, truncation_psi=truncation_psi, truncation_cutoff=truncation_cutoff, update_emas=update_emas) File "~/anaconda3/envs/stylegan3/lib/python3.9/site-packages/torch/nn/modules/module.py", line 1071, in _call_impl result = forward_call(*input, **kwargs) File "~/source/stylegan3/training/networks_stylegan3.py", line 151, in forward x = getattr(self, f'fc{idx}')(x) File "~/anaconda3/envs/stylegan3/lib/python3.9/site-packages/torch/nn/modules/module.py", line 1071, in _call_impl result = forward_call(*input, **kwargs) File "~/source/stylegan3/training/networks_stylegan3.py", line 100, in forward x = bias_act.bias_act(x, b, act=self.activation) File "~/source/stylegan3/torch_utils/ops/bias_act.py", line 84, in bias_act if impl == 'cuda' and x.device.type == 'cuda' and _init(): File "~/source/stylegan3/torch_utils/ops/bias_act.py", line 41, in _init _plugin = custom_ops.get_plugin( File "~/source/stylegan3/torch_utils/custom_ops.py", line 136, in get_plugin torch.utils.cpp_extension.load(name=module_name, build_directory=cached_build_dir, File "~/anaconda3/envs/stylegan3/lib/python3.9/site-packages/torch/utils/cpp_extension.py", line 1080, in load return _jit_compile( File "~/anaconda3/envs/stylegan3/lib/python3.9/site-packages/torch/utils/cpp_extension.py", line 1318, in _jit_compile return _import_module_from_library(name, build_directory, is_python_module) File "~/anaconda3/envs/stylegan3/lib/python3.9/site-packages/torch/utils/cpp_extension.py", line 1701, in _import_module_from_library module = importlib.util.module_from_spec(spec) File "<frozen importlib._bootstrap>", line 565, in module_from_spec File "<frozen importlib._bootstrap_external>", line 1173, in create_module File "<frozen importlib._bootstrap>", line 228, in _call_with_frames_removed ImportError: ~/anaconda3/envs/stylegan3/lib/python3.9/site-packages/torch/lib/../../../../libstdc++.so.6: version `GLIBCXX_3.4.29' not found (required by ~/.cache/torch_extensions/bias_act_plugin/3cb576a0039689487cfba59279dd6d46-nvidia-geforce-rtx-3060/bias_act_plugin.so) |
上述报错产生的原因是在 Anaconda 下载的包，在进行编译的时候，使用了高版本的 libstdc++.so。而运行时却使用了Anaconda 环境里低版本的 libstdc++.so 导致报错。
了解了原因，解决方法就比较简单了，可以手工升级 Anaconda 环境下的 libstdc++.so 动态库。
如下：
|
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 |
$ conda activate stylegan3 $ conda install cmake $ conda install make # 关键升级命令,更新当前项目里面的 libstdc++.so $ conda install -c conda-forge libstdcxx-ng # 删除上次失败时候的编译缓存 $ rm -rf ~/.cache # 目前测试 RTX 3060 12GB的情况下，batch建议是2，更高会报告OOM # 当batch=4的时候会在第11天的时候报告OOM # 并且当batch低于4的时候，需要同时指定 --mbstd-group=2 $ python train.py --outdir=~/training-runs --cfg=stylegan3-t --data=~/datasets/metfaces-1024x1024.zip --gpus=1 --batch=2 --mbstd-group=2 --gamma=8.2 --mirror=1 --metrics=none |
目前测试发现，当batch=4的时候会在第11天的时候报告OOM，如下：
|
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 |
tick 444 kimg 1776.0 time 11d 17h 14m sec/tick 2292.6 sec/kimg 573.16 maintenance 0.2 cpumem 5.40 gpumem 7.69 reserved 10.03 augment 0.344 Traceback (most recent call last): File "~/source/stylegan3/train.py", line 286, in <module> main() # pylint: disable=no-value-for-parameter File "~/anaconda3/envs/stylegan3/lib/python3.9/site-packages/click/core.py", line 1128, in __call__ return self.main(*args, **kwargs) File "~/anaconda3/envs/stylegan3/lib/python3.9/site-packages/click/core.py", line 1053, in main rv = self.invoke(ctx) File "~/anaconda3/envs/stylegan3/lib/python3.9/site-packages/click/core.py", line 1395, in invoke return ctx.invoke(self.callback, **ctx.params) File "~/anaconda3/envs/stylegan3/lib/python3.9/site-packages/click/core.py", line 754, in invoke return __callback(*args, **kwargs) File "~/source/stylegan3/train.py", line 281, in main launch_training(c=c, desc=desc, outdir=opts.outdir, dry_run=opts.dry_run) File "~/source/stylegan3/train.py", line 96, in launch_training subprocess_fn(rank=0, c=c, temp_dir=temp_dir) File "~/source/stylegan3/train.py", line 47, in subprocess_fn training_loop.training_loop(rank=rank, **c) File "~/source/stylegan3/training/training_loop.py", line 278, in training_loop loss.accumulate_gradients(phase=phase.name, real_img=real_img, real_c=real_c, gen_z=gen_z, gen_c=gen_c, gain=phase.interval, cur_nimg=cur_nimg) File "~/source/stylegan3/training/loss.py", line 81, in accumulate_gradients loss_Gmain.mean().mul(gain).backward() File "~/anaconda3/envs/stylegan3/lib/python3.9/site-packages/torch/_tensor.py", line 255, in backward torch.autograd.backward(self, gradient, retain_graph, create_graph, inputs=inputs) File "~/anaconda3/envs/stylegan3/lib/python3.9/site-packages/torch/autograd/__init__.py", line 147, in backward Variable._execution_engine.run_backward( File "~/anaconda3/envs/stylegan3/lib/python3.9/site-packages/torch/autograd/function.py", line 87, in apply return self._forward_cls.backward(self, *args) # type: ignore[attr-defined] File "~/source/stylegan3/torch_utils/ops/grid_sample_gradfix.py", line 50, in backward grad_input, grad_grid = _GridSample2dBackward.apply(grad_output, input, grid) File "~/source/stylegan3/torch_utils/ops/grid_sample_gradfix.py", line 59, in forward grad_input, grad_grid = op(grad_output, input, grid, 0, 0, False) RuntimeError: CUDA out of memory. Tried to allocate 1.39 GiB (GPU 0; 11.76 GiB total capacity; 7.06 GiB already allocated; 443.88 MiB free; 10.02 GiB reserved in total by PyTorch) |
简单来说，所谓的 VNC（Virtual Network Computing）是一种图形化的桌面共享系统，它使用远程帧缓冲协议 (RFB) 来远程控制另一台计算机。它将键盘和鼠标事件从一台计算机传输到另一台计算机，通过网络向另一个方向转发图形屏幕更新。
类似这样的技术VNC不是绝无仅有，但VNC 的流行和普及却因为其具有的过人之处 –
说起来满满的都是优点，那么
VNC 的优点很多，很多场景下都能看到VNC。例如，访问树莓派的桌面，对 headless 服务器的管理等等。但是，对于云上实例的远程图形化的访问VNC却不是好的选择。考虑到我们的使用场景是通过互联网来访问云上的主机，这就引出了否定 VNC 最主要的原因– 安全性。
默认情况下，RFB并不是一个安全的协议。虽然这个协议下密码不以明文方式发送，但如果能从网络中嗅出加密密钥和已编码的密码，还是有可能破解成功的。因此，建议密码至少有8个字符。另一方面，VNC的一些版本也有8个字符的限制； 如果发送的密码超过8个字符，则删除多余的字符，并将截断的字符串与密码进行比较。
在VNC生态系统中，”Big Four” 指的是LibVNC、UltraVNC、Tight VNC和TurboVNC 这四家提供VNC 产品的厂商。2019年，Kaspersky Lab 的研究人员对这四家公司进行了审计，以了解它们的安全性。他们的发现是令人失望的。总的来说，研究人员发现这四个程序的客户端和服务器部分共有37个严重缺陷。其中22个在 UltraVNC，另外10个在 LibVNC, 4个在 TightVNC，还有一个在 TurboVNC，但这是一个严重的漏洞，它会让攻击者在服务器端远程执行代码。
有人会建议通过 SSH 或 VPN 连接进行 VNC 的隧道化，通过这种方法增加一个具有更强加密功能的额外安全层。但是这种方法并不完美，除了增加了复杂性也容易引起其它的一些安全问题，例如中间人攻击等。
否定一个技术是简单的，但我们是否有替代技术呢？答案就是 Remote Desktop Protocol （RDP）。
有过 Windows 使用经验的人对于远程桌面（Remote Desktop Protocol ，RDP）一定不会陌生。RDP 是由微软公司开发的一种专有协议，它为用户提供了通过网络连接到另一台计算机的图形界面。在使用上，用户需要使用 RDP 客户端软件，而在远程另一台计算机则需要运行 RDP 服务器软件。
微软的Windows、Linux、macOS、iOS、Android等操作系统都有客户端。Windows操作系统内置RDP服务器；Linux与 macOS 可以安装一个 RDP 服务器。缺省配置下，服务器监听 TCP 端口 3389 和 UDP 端口 3389。
微软目前把他们的官方RDP客户端软件称为Remote Desktop Connection，以前叫做 “Terminal Services client”
与VNC 相比，RDP的安全性有很大的提升。主要的安全特性包括了：
此外，正如前面提到的VNC协议是基于像素的。尽管这带来了极大的灵活性，可以显示任何类型的桌面，但它的效率往往不如那些更好地理解底层图形布局(例 如： X11)或桌面(例如：RDP )的解决方案。这些协议以更简单的形式(例如：打开窗口)发送图形原语或高级命令，而 VNC 的 RFB 协议尽管支持压缩但只能是发送原始像素数据。
在 Windows 环境下使用RDP是再简单不过的事情。我想谈的是在 Linux 环境下RDP 的安装部署与使用。虽然微软公司没有为 Linux 提供 RDP 的软件，但是我们可以使用开源的xRDP，这是RDP协议在Linux平台 的实现。
xRDP是一个开源的远程桌面协议服务器，它用来实现Linux接受来自 Windows、Mac 或者 Linux 远程桌面客户端或的连接。这意味着你不需要在我们所使用的 Windows 或 macOS 机器上安装额外的第三方应用程序。
Linux 安装 xRDP的方法如下。这里我以 Ubuntu 20.04 为例 –
GNOME是一个Linux 操作系统下的桌面环境，完全由免费和开源软件组成。缺省情况下在EC2上安装的Linux 操作系统都不包含Gnome，需要额外安装。Ubuntu 缺省的桌面窗口管理器就是Gnome，用以下命令安装。
|
1 2 3 |
$ sudo apt update $ sudo apt install ubuntu-desktop |
安装 xRDP除了Gnome 以外，我们还可以选择 LXDE、Xface 等等。相比之下，LXDE 是轻量级的窗口管理器，Xface 则具备类似 Windows 界面的风格。如果不在乎额外增加的大约 5GB 的磁盘存储的开销，我还是推荐使用Gnome。原因在于这与我们本地使用的 Ubuntu 具有一致性的体验。
|
1 |
$ sudo apt install -y xrdp |
|
1 |
$ sudo systemctl status xrdp |
输出结果如下：安装完成后，xRDP服务将自动启动。可以通过这个命令来检查其状态:
|
1 2 3 |
$ sudo passwd ubuntu $ sudo adduser ubuntu ssl-cert |
此外，如果我们的 EC2 实例绑定了Elastics IP 并且拥有自己的域名，我推荐使用Let’s Encrypt 发出的免费SSL证书替换缺省的自签发的证书。需要注意的一点，Let’s Encrypt 证书的有效期是90天。可以考虑配置crontab 使用cerbot 自动更新证书。这里设置的密码将被用来登录到目标的 EC2 实例，出于安全的理由务必使其符合密码安全的策略。第二条命令是将 用户ubuntu 加入到 ssl-cert 用户组中。这是因为默认情况下，xRDP 使用的是自签发的证书，这个证书保存在 /etc/ssl/private/ssl-cert-snakeoil目录下。证书的密钥文件只能由 “ssl-cert” 用户组的成员读取。
在这里，username 输入ubuntu，password 输入刚刚修改过的用户密码。成功登录之后熟悉的Ubuntu 桌面就会立刻出现在眼前。
按照我的体验，网络延迟在35ms以内xRDP 的与本地Linux 桌面的操作体验几乎没有差别。实测之下，通过我所使用的100M联通宽带访问AWS 中国（北京）区域的EC2 实例，网络延迟大约在5ms左右。
单以鼠标、键盘的使用体验而论，本地桌面与远程桌面的差别已经微乎其微了，我终于可以放心的将许多工作移到云端。无论是通过我的笔记本电脑、iPad 甚至是一台树莓派都能够让我接入顺利的接入远程桌面。如此一来，开发在云端岂不是再简单不过的事情了。