linux重启gpu_远程配置Ubuntu深度学习服务器GPU驱动+Docker+CUDA多个版本

前言

    首先说一下为什么建议使用docker来使用搭建深度学习服务器。其实网上很多人都写了如何搭建CUDA10.0 + cudnn8.5 , CUDA9.0 + cudnn7.5 等等，并且从TensorFlow的官网你还可以了解到，不同版本的CUDA只能使用指定的几个TensorFlow版本(Pytorch更是只能下载指定CUDA版本的库)，特别是在多个人同时使用的环境下，远程的深度学习服务器经常会崩掉，有可能是别人装了其他版本的CUDA，或者说有人想使用更高版本的CUDA就升级了GPU驱动，结果升级失败；还有可能是你自己想要用其他版本的深度学习框架来复现前人的code，结果发现要换个版本好难，甚至换个版本又把linux内核都升级了，恭喜你难受升级了。

    因此，本文的目的就是为了让大家能够快速的从这种难受走出来，直接使用docker这个及其优美的工具来搭建深度学习服务器，你会发现，yyds啊。

    首先，当然是安装GPU驱动了，本人使用的是学校的远程ubuntu系统，因此直接上手远程配置，如果是ubuntu桌面版的话，基本操作一样，在终端运行下面的代码就行。下面介绍两种安装方式：

一、安装NVIDIA驱动

1. 直接安装

    这种安装方式会比较快，但是很多不是刚装的系统会很难一次性装上，我之前也是有很多次部署GPU驱动都没办法用这种方式安装上，因此，建议刚装上的系统可以直接使用这个方法，只要源没有问题，基本上就可以，如果使用这种方法无法装上，那么就卸载了之后重新手动安装。

1.1 查看显卡对应的驱动型号

在终端输入：

ubuntu-drivers devices

然后系统会花一定时间来检测你的对应驱动型号(要等一下才会出来)：

    这里看到系统推荐我安装的是460的型号，我们可以直接按照系统推荐的安装，也可以自己自己安装自己想要的几个版本，只要上面图片中展示了的都行。

1.2 开始安装驱动

按照推荐安装的代码：

sudo ubuntu-drivers autoinstall

安装自己制定的版本(不是很推荐)：

sudo apt install nvidia-*

*号代表你选择的型号，比如450,440

1.3 检验安装结果

上述安装完毕之后需要重启电脑：

sudo reboot

重启之后，我们可以直接在终端输入：

nvidia-smi

如果出现以下界面，那么恭喜你，驱动安装成功了：

2. 手动安装

2.1 查询显卡型号

    首先就是按照自己的GPU版本去NVIDIA官网下载对应的驱动，如果不知道远程的电脑是什么型号的话，可以输入下面代码查询显卡的PCI设备号：

lshw -numeric -C display

    查到自己的版本号之后 ，查看PCI对应显卡型号：http://pci-ids.ucw.cz/mods/PC/10de?action=help?help=pci ，输入我上面画红圈的部分，就可以直接查询了：

我的是RTX 2080 Ti

2.2 下载对应驱动

官网地址：https://www.nvidia.cn/Download/index.aspx?lang=cn

点击进去之后就是这个界面：

    接下来