ubuntu远程服务器安装深度学习环境——有root权限

1.个人环境

系统：ubuntu 16.04(可在linux命令行通过命令 ~$ cat /proc/version查看)
权限：有root权限
cuda版本：cuda 10.0
对应的cudnn版本：cudnn7.6.5

2.安装cuda

1、安装cuda

cuda下载地址：https://developer.nvidia.com/cuda-downloads?
仿照下图进行选择.

下图Download(1.7GB)进行下载

2、给文件运行权限chmod +x cuda_10.0.148_396.37_linux.run 然后 ./cuda_9.2.148_396.37_linux.run
按回车至100%，参照下图依次accept------n-----y,然后再安装cuda时选择个人用户的目录，如/home/yourname/cuda92，link选择no，samples选择n，或者y选择目录。

修改个人用户的环境变量

vim ~/.bashrc编辑

末尾添加如下语句

export PATH=$HOME/cuda10.0/bin:$PATH
export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:$HOME/cuda10.0/lib64/

请注意修改之后 source ~/.bashrc 使环境变量生效

3、查看cuda安装状态
nvidia-smi 查看显卡驱动运行状态
nvcc -V 查看cuda-toolkit安装是否成功

2、安装cudnn

cudnn的安装,从官网下载https://developer.nvidia.com/cudnn（需要注册账号)

tar -xzvf cudnn-10.0-linux-x64-v7.6.5.32.tgz ，解压，在cuda文件夹下。

拷贝过去cudnn->cuda92 (cuda10.0是个人用户的下的目录/home/yourname/cuda92)，这里自己注意路径的正确。

cp cuda/include/cudnn.h /usr/local/cuda-10.0/include/
cp cuda/lib64/libcudnn* /usr/local/cuda-10.0/lib64
chmod a+r /usr/local/cuda-10.0/include/cudnn.h /usr/local/cuda-10.0/lib64/libcudnn*

1、查看cudnn安装状态
cat ~/cuda-10.0/include/cudnn.h | grep CUDNN_MAJOR -A5

2、cuda和cudnn迁移
如果你在服务器A安装了cuda和cudnn，现在需要迁移到服务器B，如果系统版本一致，只需复制，并修改服务器B.bashrc中cuda和cudnn的路径即可生效，无需重新安装。迁移好可以用前面提到的命令检查cuda和cudnn在服务器B是否生效。

3、安装anaconda

Anaconda指的是一个开源的Python发行版本，其包含了conda、Python等180多个科学包及其依赖项。里面所包含的Jupyter Notebook是数据挖掘领域中最热门的工具。(例如Kaggle网站)
废话不多说，现在我们开始来安装Anaconda。
打开清华镜像下载anaconda：https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/

1、安装

1. 找到下载好的文件名为Anaconda3-5.3.0-Linux-x86_64.sh的安装包，如果你是通过自己的电脑下载的安装包，想在服务器上面安装Anaconda，那么你可以通过scp命令传输安装包到Centos服务器。如果你是在服务器上面下载的，那么请略过此步。
2. 传输命令为：scp Anaconda3-5.2.0-Linux-x86_64.sh
   tfdl@192.168.1.000:/home/yyn 然后根据提示输入密码即可。
3. 等待读条完成后，就将安装包传输到了Centos服务器。
4. 在Linux里面.sh文件是可执行的脚本文件，需要用命令bash来进行安装。
5. 此时我们输入命令bash Anaconda3-5.2.0-Linux-x86_64.sh
6. 如果安装过程出现下述错误 Ps：此错误由于缺失环境导致，不一定发生（一般为centos会有这个错误）
   
7. 请输入yum install -y bzip2来安装环境
   
8. 然后开启安装，在安装过程中，基本上不断按回车或者yes默认就行了。
9. 不过注意最后一步有一个询问你是否安装vscode，emm如果你没有需要就输入no，毕竟在服务器里面都是用vim编辑器的，没必要多装一个。

2、配置环境变量

安装完成后，我们还需要对环境变量进行添加，方便我们启动。

vim ~/.bashrc

修改配置文件

#Anaconda
export PATH=$PATH:/home/software/anaconda3/bin

然后ESC ，:wq保存
最后更新bashrc文件：

source ~/.bashrc

4、创建深度学习环境

1、使用conda创建自己的环境：

conda create -n tf14 python=3.6.0

2、激活环境：

conda activate tf14

3、安装需要的python库：

pip install tensorflow-gpu==1.14.0
pip install keras

还可以使用-i 命令

-i https://mirrors.aliyun.com/pypi/simple/