Ubuntu18.04使用Anaconda安装多版本CUDA实现jupyter切换TensorFlow-gpu及pytorch-gpu版本

创建GPU云服务器

本文使用GCP的机器，GPU选择T4，费用大概$0.4/h按秒计费，比国内GPU云便宜很多。如果你用的国内机器需要对conda和pip换源，不然会很慢。

选择服务器配置

配置信息如图：


由于GCP的CPU、内存、GPU都可以在关机状态下随意修改，所以这里只选择满足初装条件的配置，后续可以根据不同任务自行配置相关资源。

我这里系统映像选择的是Ubuntu18.04 LTS（注意不是带Minimal的！），不同版本的系统相关软件安装会有很大区别，所以一定要注意系统版本。硬盘尽量大一点。

登录服务器

创建成功后会给一个临时外部IP，这里我没有把临时IP转成静态。因为，GPU服务器费用很高，我们平时不用的时候要把服务器停掉，而静态IP在服务器停止状态会收占用费。GCP的动态IP除非长时间不用（大概一个月？），否则基本不会变。

点击页面的SSH会弹出一个窗口登录服务器

安装显卡驱动

添加依赖并更新系统

wget https://developer.download.nvidia.com/compute/cuda/repos/ubuntu1804/x86_64/cuda-repo-ubuntu1804_10.1.243-1_amd64.deb
sudo apt-key adv --fetch-keys https://developer.download.nvidia.com/compute/cuda/repos/ubuntu1804/x86_64/7fa2af80.pub
sudo dpkg -i cuda-repo-ubuntu1804_10.1.243-1_amd64.deb
sudo apt-get update
wget http://developer.download.nvidia.com/compute/machine-learning/repos/ubuntu1804/x86_64/nvidia-machine-learning-repo-ubuntu1804_1.0.0-1_amd64.deb
sudo apt install ./nvidia-machine-learning-repo-ubuntu1804_1.0.0-1_amd64.deb
sudo apt-get update

安装驱动

不限于T4，其他Nvidia显卡应该也能通过这条命令安装驱动

sudo apt-get install --no-install-recommends nvidia-driver-430

重启服务器测试驱动

使用命令nvidia-smi测试GPU驱动

sudo reboot
nvidia-smi

驱动正常显示如下：

这里右上角的CUDA Version: 10.2指的是该版显卡驱动最高支持的CUDA版本，要确保这里的版本号不低于你需要的CUDA版本，否则你需要升级显卡驱动。

安装Anaconda

下载安装包

到Anaconda官网下载64位Linux安装脚本

wget https://repo.anaconda.com/archive/Anaconda3-2020.02-Linux-x86_64.sh
chmod +x Anaconda3-2020.02-Linux-x86_64.sh