深度强化学习服务器搭建（完整版）

由于本人的服务器之前是windows ，可以说是从ubuntu系统安装，到运行环境安装，一条龙到底。记录，以备查阅。

ubuntu系统安装

使用U盘安装ubuntu系统：Ubuntu20.04

引用优质文章:

使用U盘安装Ubuntu20.04_贾亚超的博客-CSDN博客_ubuntu20.04安装教程在U盘下安装ubuntu20.04，从U盘启动Linux系统_-素心向暖的博客-CSDN博客_ubuntu u盘启动

现在系统安装完成，常见命令了解一下，需要时再查阅~

ubuntu 常用命令大全_beginner.zs的博客-CSDN博客_ubuntu命令大全

接下来进入第二阶段：

安装anaconda：

ubuntu18.04安装显卡驱动、cuda、cudnn_余生的观澜的博客-CSDN博客_ubuntu18.04安装显卡驱动

Ubuntu 安装 conda - 知乎 (zhihu.com)

 为什么都是两个链接呢，可谓有被无患。都是一些流程性的内容，收藏本文随时唤醒~

下载时，小版本号可能对不上，但是一般同一大版本号可以兼容。11.x

wget https://developer.download.nvidia.com/compute/cuda/11.3.0/local_installers/cuda_11.3.0_465.19.01_linux.run
sudo sh cuda_11.3.0_465.19.01_linux.run

装完之后需要配置环境变量，在~/.bashrc

# 第一行是
export PATH=/usr/local/cuda-11.3/bin${PATH:+:${PATH}}
# 第二行是
export LD_LIBRARY_PATH=/usr/local/cuda-11.3/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}

测试一下：

nvcc -V   #查看cuda
nvidia-smi  # 查看显卡的驱动情况
cat /proc/driver/nvidia/version   # 查看驱动版本

cudnn

基本的环境就OK了接下来分别安装pytorch与TensorFlow

cudnn的下载地址：https://developer.nvidia.com/rdp/cudnn-archive

下载完tar文件之后，解压，然后复制对应文件到cuda目录：

tar -xvf cudnn-linux-x86_64-8.6.0.163_cuda11-archive.tar.xz
sudo cp cuda/include/* /usr/local/cuda-10.2/include
sudo cp cuda/lib64/* /usr/local/cuda-10.2/lib64 
sudo chmod a+r /usr/local/cuda/include/cudnn.h /usr/local/cuda/lib64/libcudnn*
sudo apt-get install libcupti-dev #安装NVIDIA CUDA 分析工具接口，此库提供高级分析支持。

如何卸载已有的cuda和驱动

deb格式卸载run模式卸载

$sudo apt-get remove --purge nvidia*	 # 1.删除以前安装的文件
$sudo apt-get remove --purge cuda*	 # 2.删除以前安装的cuda文件
$sudo apt-get autoclean	 # 3.自动删除

1.找到cuda文件目录，删掉
2.环境变量中，去掉环境变量的配置
3.source ~/.bashrc

run模式卸载

sudo perl /usr/local/cuda-X.Y/bin/uninstall_cuda_X.Y.pl #uninstall cuda
sudo /usr/bin/nvidia-uninstall #uninstall driver

安装pytorch：

pytorch安装_浅浅ch的博客-CSDN博客_pytorch安装

超详细 Ubuntu安装PyTorch步骤_KRISNAT的博客-CSDN博客_ubuntu安装pytorch

网络速度问题参考：

pytorch下载太慢的解决办法_姜呆的博客-CSDN博客_linux安装pytorch太慢

安装TensorFlow：

ubuntu Tensorflow安装_冰雪棋书的博客-CSDN博客_ubuntu安装tensorflow

注意最后的测试代码有问题，2.x之后无tf.Session()

import tensorflow as tf
version = tf.__version__
gpu_ok = tf.test.is_gpu_available()
print("tf version:",version,"\nuse GPU",gpu_ok)

到此，请开始探索神经网络吧，如有疑问和完善之处，请留言~

补充：

Linux、ubuntu系统下查看显卡型号、显卡信息详解_seaside2003的博客-CSDN博客_ubuntu查看显卡型号

ssh连接服务器后，使用nohup做甩手掌柜~

Linux：Nohup命令详解 - 腾讯云开发者社区-腾讯云 (tencent.com)