RedHat服务器上安装GPU版的tensorflow

一、为什么要安装cuda
我们需要明白，安装GPU版的tensorflow，其实就是让tensorflow能够利用GPU进行计算。目前，tensorflow主要支持利用Nvida的GPU进行计算，为什么主要支持Nvida的GPU呢？因为Nvida针对自家GPU开发了一套SDK，大大方便了利用它家的GPU进行通用的计算，这套SDK就是cuda。毫无疑问，tensorflow也主要是通过cuda利用GPU进行计算的。所以我们要先安装cuda，tensorflow规定，cuda的版本不能低于7.0，一般情况下，安装8.0版本的cuda就很好了。

二、检查你的机器能不能安装cuda
1、首先看看你的GPU是不是Nvida家出
因为cuda是Nvida专为自己家的GPU开发的SDK，所以我们必须确保我们的机器上的显卡是Nvida的，检查命令比较简单：

lspci | grep -i nvidia

如果输出中有内容，说明我们的显卡是Nvida的。

2、看看你的Linux版本是否支持cuda
因为cuda是与操作系统，gcc版本和c运行库紧密结合在一起的，所以，我们要先检查一下我们的Linux版本是否支持cuda，对于cuda8.0而言，https://docs.nvidia.com/cuda/cuda-installation-guide-linux/index.html中就是它对系统的要求。
系统版本查看命令：nvidia-smi
一般来讲，常用的linux发行版都是可以支持cuda的，不过最好还是对照上面的图检查一下，以防万一。

三、如何安装cuda
应该说，这一步是最难的，因为不同的操作系统安装方法是不一样的，下面我们一步一步来。

1、关掉服务器上的X-server
当前Navida显卡已经有一个开源驱动在运行，必须将它停止，因为cuda中已包含有显卡驱动，为停止开源驱动，我们首先需要关闭开源驱动的X-server。关闭的方法并不统一，我们的是远程连接的服务器，关闭方法是：
sudo init 3
注意，不同的linux版本关闭X-server的方法是不一样的！
在你的机器上如何关闭X-server，请查看相关文档。

2、关闭开源驱动
关闭的X-server后，我们就可以放心地关闭开源驱动了。注意：关闭开源驱动的方法同样是因机器而异的，所以不要盲目地试用网上查找到的关闭开源驱动的命令，最权威的方法在Navdia官网上，请到这里查看你的机器如何关闭开源驱动：
不同机器关闭开源驱动的方法
我的机器是redhat，关闭方法是这样的，首先，创建文件：
/etc/modprobe.d/blacklist-nouveau.conf
往文件中写入内容(vim blacklist-nouveau.conf +i)：
blacklist nouveau
options nouveau modeset=0
退出（Esc+shift:+wq+Enter）
然后，执行命令：
sudo dracut --force

3、安装cuda
第一步就是下载cuda（https://developer.nvidia.com/compute/cuda/8.0/Prod2/local_installers/cuda_8.0.61_375.26_linux-run）
下载完成后，会得到一个cuda_X.X.XX_linux.run的文件，X表示版本号。
第二步就是为这个文件添加执行权限
chmod u+x cuda_X.X.XX_linux.run
第三步就是执行这个文件：
sudo ./cuda_X.X.XX_linux.run
文件执行开始时会有license说明
直接按q键即可退出
accept/decline/quit: accept
Install NVIDIA Accelerated Graphics Driver for Linux-x86_64 367.48?
(y)es/(n)o/(q)uit: n
Install the CUDA 8.0 Toolkit?
(y)es/(n)o/(q)uit: y
Enter Toolkit Location
[ default is /usr/local/cuda-8.0 ]:
Do you want to install a symbolic link at /usr/local/cuda?
(y)es/(n)o/(q)uit: y
Install the CUDA 8.0 Samples?
(y)es/(n)o/(q)uit: y
Enter CUDA Samples Location
[ default is /home/c302 ]:
Installing the CUDA Toolkit in /usr/local/cuda-8.0 …
Installing the CUDA Samples in /home/c302 …
Copying samples to /home/c302/NVIDIA_CUDA-8.0_Samples now…
Finished copying samples.

4.验证cuda是否成功安装

重启进入界面，打开终端输入：

export PATH="/usr/local/cuda-9.2/bin:$PATH"exportL{D}_{L}IBRAR{Y}_{P}ATH="/usr/local/cuda-9.2/lib64:$LD_LIBRARY_PATH"
这两条命令是将cuda的bin文件和lib导出到系统环境中。
如果安装的版本不是一样的，更换路径中的cuda-9.2。

(1). 终端输入：
nvcc -V
如果有CUDA的版本信息代表正常。

(2). 编译samples例子

#编译并测试设备 deviceQuery：
cd /usr/local/cuda-9.2/samples/1_Utilities/deviceQuery
sudo make
./deviceQuery

#编译并测试带宽 bandwidthTest：
cd …/bandwidthTest
sudo make
./bandwidthTest
如果这两个测试的最后结果都是Result = PASS，说明CUDA安装成功啦。

备注：
如果安装失败，有可能是缺少依赖，终端执行：

sudo apt-get install freeglut3-dev
build-essential
libx11-dev
libxmu-dev
libxi-dev
libgl1-mesa-glx
libglu1-mesa
libglu1-mesa-dev
5. 将cuda的bin和lib写入系统环境

输入：vim ~/.bashrc

export CUDA_HOME=/usr/local/cuda-9.2
export LD_LIBRARY_PATH=/usr/local/cuda-9.2/lib64:$L{D}_{L}IBRAR{Y}_{P}ATHexportPATH=/usr/local/cuda-9.2/bin:$PATH
然后退出重新打开终端即可
————————————————
四、如何安装cudnn
首先，到这里https://link.jianshu.com/?t=https://developer.nvidia.com/cudnn注册一个账号，就可以下载cudnn了。下载后，将它解压到cuda的安装目录即可。
比如，如果cuda安装目录是 /usr/local/cuda-8.0
那么就把cudnn解压到 /usr/local

五、如何安装tensorflow
最后一步，安装tensorflow，首先要到官网上下载预编译好的tensorflow的whl包。注意下载的版本要和服务器上的python版本一致。
然后，cd到whl包所在的目录，执行
pip install XXX.whl
XXX代表tensorflow的whl包名。