文章目录
丑话说在前
首先，我基本是现学现卖，linux基础懂一点，深度学习基础懂一点，然后服务器也只玩过阿里云的，以下内容是配了学院四台服务器深度学习环境后总结出的笔记，希望能帮到下一个学习的你
（必要时候请掌握科学上网方法）
如果你不了解配置流程，你可以先泛读全文，了解下配置的大概流程。本文，我会从一个未安装显卡驱动和CUDA的服务器开始记录起（升级cuda的方法请从卸载旧cuda读起），内容包括安装anaconnda、cuda、cudnn以及深度学习常用库pytorch和tensorflow。可以选择你需要配置的部分阅读。
一、了解服务器配置
包括：服务器安装的系统版本信息、显卡信息等
1.系统版本信息
服务器安装的系统各不相同（window较少见），较常见的是轻量级的centos和ubuntu。
因接下来下载cuda等配件时需选择系统版本信息，所以需提前了解系统版本信息，
- 查看linux系统版本命令：
lsb_release -a
- 输出：
如图：该服务器安装的linux版本为Ubuntu16.04
2.显卡信息
如果服务器未安装显卡情况下，nvidia-smi命令输出将为空，那么要了解显卡信息需用以下命令：
lspci | grep -i nvidia
输出：
【这™是什么鬼.png】
由于驱动问题无法显示显卡的具体型号，在网址输入1b00，可以看到显卡型号是:TITAN X
二、安装驱动及CUDA
1.驱动安装
因为安装CUDA时会有选项让你选择是否安装显卡驱动，选择是，便会帮你安装好新驱动，所以无论是安装（升级）驱动还是安装（升级）CUDA，都可以选择跳过手动安装驱动步骤，直接到下一步安装cuda。
2.卸载旧CUDA(选)
如安装过cuda，想升级CUDA版本，需先卸载旧的cuda版本，卸载方法也很简单
原理（按cuda8.0）：
在安装cuda时默认会安装在/usr/local/cuda-8.0文件夹下
卸载cuda8.0，则只需要运行文件夹下的uninstall文件卸载即可
命令如下：
sudo /usr/local/cuda-8.0/bin/uninstall_cuda_8.0.pl
卸载之后，会发现cuda-8.0该文件夹还存在，这是cudnn文件，所以输入命令将文件删除干净：
sudo rm -rf /usr/local/cuda-8.0
同理安装cuda其他版本时默认都会安装在/usr/local/下对应的文件夹下，卸载只需运行uninstall文件即可。
3.CUDA11安装
1）下载安装
在Google（或百度）输入CUDA11.0 download
进入官网下载
根据服务器系统版本信息选择相应选项，可见支持Installer Type(安装类型)有三种，这里我们选择第一种本地运行文件（runfile）
因学院服务器并为配置完全以及其他不可抗原因（不想处理报错能力有限 ）我们选择第一种安装方法。
基础安装指导（base Installer）显示，我们只需要运行两句命令：
下载cuda的run文件
wget http://developer.download.nvidia.com/compute/cuda/11.0.2/local_installers/cuda_11.0.2_450.51.05_linux.run
使用管理员权限运行该安装文件
sudo sh cuda_11.0.2_450.51.05_linux.run
运行安装文件会显示几个可选项：
依次如下：
1 .输入：accept,接受协议
2.选择默认配置（包括安装驱动）Install
静待安装。
2）配置环境变量
修改环境变量文件~/.bashrc（该文件是在根目录下的隐藏文件，根目录下输入ls -a可见）
vim ~/.bashrc
在变量文件后加上下面三句：
export CUDA_HOME=/usr/local/cuda-11.0
export LD_LIBRARY_PATH=${CUDA_HOME}/lib64
export PATH=${CUDA_HOME}/bin:${PATH}
保存并退出（关于vim的用法如果你不是很懂的话，我这里大概说一下，进入vim编辑环境需要按 i，进入命令环境按 esc，保存并退出(在命令环境)按 :wq(w表示写，q表示退出)）。
最后执行.bashrc：
source ~/.bashrc
使其生效
3）查看是否安装成功
使用命令nvcc -V查看安装版本信息：
三、安装CUDNN
1.下载
到官网下载对应cuda和linux版本的cudnn
先在本地电脑下载完上传到服务器，下载后格式为.solitairetheme8文件，需先转为压缩包格式后解压
执行命令：
cp cudnn-11.0-linux-x64-v8.0.5.39.solitairetheme8 cudnn-11.0-linux-x64-v8.0.5.39.tgz
tar -zxvf cudnn-11.0-linux-x64-v8.0.5.39.tgz
2.解压安装
解压后再拷贝文件到CUDA目录下即可：
cp cuda/lib64/* /usr/local/cuda-11.0/lib64/
cp cuda/include/* /usr/local/cuda-11.0/include/
3.查看是否安装成功
查看信息，是否安装成功
cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2
(网上说有输出证明是安装成功，但我本次安装的三台服务器都无输出，仔细查看对应的cudnn.h文件后发现文件中并无cudnn版本信息，个人猜测是新版的cudnn文件中无版本信息)
四、 安装anaconda
1.下载安装
- 官网下载linux对应版本anaconda
下载后上传服务器
- 查看当前目录下的文件
- 给与安装文件可执行权限
- 运行安装文件
ls
sudo chmod +x Anaconda3-2020.11-Linux-x86_64.sh
./Anaconda3-2020.11-Linux-x86_64.sh
- 如图：
- 安装选项如下
回车（继续）
安装协议，按q退出
接受协议，输入yes
设置安装路径
添加配置环境，输入yes
静待安装完成
安装完成，提示告诉我们（for changes to take…）关闭旧连接打开新shell，经过我实验发现仅需要运行下环境配置文件即可。
source ~/.bashrc
此时在输入conda即有相关信息输出，安装完成
2.设置环境变量
上述操作虽完成了anaconda的安装，但细心的你一定发现该安装仅在该安装用户下（我的操作都是在root用户下）。所以需要添加个环境变量，使得所有用户都能使用anaconda。（也可以针对单个用户更改用户对应的.bashrc文件即可）
在已安装anaconda的用户下执行命令：
vim /etc/environment
在添加上安装anaconda路径，注意分割符":"(如我添加)：
/usr/local/anconda/bin
重启，操作生效，所有用户都能使用anaconda。
五、安装深度学习库
1.torch安装
官网选择安装选项信息，使用conda命令下载安装
conda install pytorch==1.7.1 torchvision==0.8.2 torchaudio==0.7.2 cudatoolkit=11.0 -c pytorch
注意：安装pytorch时官方会顺便安装类似cudnn的包，因此我们上面也可以不用安装cudnn
- 检测是否torch-gpu安装成功,依次输入：
python
import torch
torch.__version__
torch.cuda.is_available()
输出结果为true，安装成功
如图：
2.tensorflow安装
同样使用pip命令安装，如：
pip install tensorflow-gpu==2.2.0 -i https://pypi.tuna.tsinghua.edu.cn/simple/
需要注意的是tensorflow版本与对应的cuda和cudnn版本需按官方支持版本对应
- 检测是否torch-gpu安装成功,依次输入：
python
import tensorflow as tf
tf.__version__
tf.test.is_gpu_available()
输出结果为true，安装成功
如图：
总结
1.服务器未安装驱动时可以跳过手动安装显卡驱动环境，直接安装cuda（安装cuda时会默认安装对应版本显卡驱动）
2.安装anconda时基本默认安装即可（安装路径可自行修改）
3.安装tensorflow库时，需注意到官网查看对应cuda版本信息，以免不兼容（不兼容时可用使用多cuda切换的方式，其实也就是安装多个版本cuda，在需要时通过修改配置文件切换对应版本）。
参考：
https://blog.csdn.net/wuzhongqiang/article/details/109703047
https://blog.csdn.net/xiao_xian_/article/details/109054598
https://blog.csdn.net/wanzhen4330/article/details/81699769
4451
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
