阿里云GPU服务器安装深度学习环境

首先安装显卡驱动：

参考： https://blog.csdn.net/weixin_43738628/article/details/105516038

1、官方选择驱动版本：https://www.nvidia.cn/Download/index.aspx?lang=cn

下载对应系列显卡驱动，这里是Tesla v100   

Tips: 使用：

wget 下载文件链接

进行下载更方便。

2、安装

bash NVIDIA-Linux-x86_64-440.118.02.run

期间会有很多选项，按自己情况，或者都默认选择安装。

3、验证

nvidia-smi

安装完显卡驱动后会有这个提示

WARNING: nvidia-installer was forced to guess the X library path '/usr/lib64' and X module path '/usr/lib64/xorg/modules'; these paths were not queryable from the system.  If X fails to find the NVIDIA X driver module, please install the

           `pkg-config` utility and the X.Org SDK/development package for your distribution and reinstall the driver.

                                                                                                                             OK

二、

安装cuda，这里笔者需要跑yolox， 准备跑cuda10.2. + pytorch1.9 的版本

Cuda 官方获取即可：https://developer.nvidia.com/cuda-toolkit-archive     选择10.2

 

如图：笔者阿里云是centos7.7系统

接下来继续下载安装即可，注意有两个补丁包。按顺序安装即可。

验证：

nvcc —version

如果报错表示不存在nvcc

当然先查看/usr/local里面有没有cuda-10.2 以及软连接出来的cuda文件夹

如果存在则可能没有添加环境变量导致，添加方法如下：

sudo vim ~/.bashrc

如果不存在下面这两行，则在文件末尾添加

export  PATH=/usr/local/cuda/bin:$PATH

export  LD_LIBRARY_PATH=/usr/local/cuda/lib64$LD_LIBRARY_PATH

三、

这里笔者使用Anaconda作为构建镜像环境的工具

安装包来自于清华镜像源：https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/

选择了较新的Anaconda3-5.3.1-Linux-x86_64.sh

bash Anaconda3-5.3.1-Linux-x86_64.sh

 期间一直按默认值就行，最后会有个是否下载VSCODE选择no即可。

ps: 寻找pytorch版本最好的地方是：https://download.pytorch.org/whl/torch_stable.html