伺服器從零搭建GPU版本的TensorFlow環境

系統資訊：

ubantu18.04，gpu：tesla p100

1. 使用xshell 登入伺服器

2. 安裝nvidia驅動

檢視nvidia資訊的命令

3.安裝cuda toolkit

根據官網的提示命令安裝，或者使用命令

sudo sh cuda*.run

接下來，輸入accept，yes,注意接下來的一定要選擇no,否則會出錯（具體為什麼出錯暫時不知道）。

出現這樣的字樣，安裝結束

注：如果第二行出現：toolkit installation failed using unsupported compiler，則將上文的安裝命令後面新增-override即可，即

sudo sh cuda*.run -override

sudo vi /etc/profile

export path=/usr/local/cuda-9.0/bin:$path

export ld_library_path=/usr/local/cuda-9.0/lib64:$ld_library_path

source /etc/profile 使更改生效。

nvcc –v 檢查cuda
4.  安裝cudnn
tar -xvzf cudnn-9.0-linux-x64-v7.1.tgz

cd cuda
sudo cp include/cudnn.h /usr/local/cuda/include
sudo cp lib64/libcudnn.* /usr/local/cuda/lib64
cudnn安裝完成。

5. 安裝anaconda
sudo sh anaconda3-5.2.0-linux-x86_64.sh
根據提示，如果出現是否新增環境變數選擇yes,如果選擇了no，可以之後手動新增，方法如下：

sudo vi ~/.bashrc
在最後新增：

export path=$path:/home/username/anaconda3/bin:$path
儲存退出，使用source使命令生效。

source ~/.bashrc
所有這些都做好之後，記得關閉xshell連線，重新連上才能conda資訊。

6.安裝tensorflow-gpu
pip install tensorflow-gpu
測試：

import tensorflow as tf

hello = tf.constant('hello, tensorflow!')
sess = tf.session()
print(sess.run(hello))
出現如下log資訊，則說明環境搭建ok.

7. 為伺服器新增普通使用者
sudo useradd -m -s /bin/bash username

sudo passwd username #為這個使用者設定密碼
刪除使用者

sudo userdel -r username
備註：參考**：
				
Ubuntu上搭建GPU伺服器
在ubuntu系統的伺服器上搭建gpu環境 1.安裝顯示卡驅動 安裝 sudo nvidia linux run no opengl files no x check驗證 出現此圖表示安裝成功。2.安裝cuda 安裝 sudo sh cuda 10.0.130 410.48 linux.run cu...
				
gpu伺服器開發環境搭建
參考連線 檢查驅動列表 檢視建議版本 檢查gpu是否支援cuda 檢視型號 去 輸入1db6，可以得到顯示卡型號 直接安裝推薦版驅動 sudo ubuntu drivers autoinstall重啟電腦測試驅動是否啟動 有這樣的反饋表示正常啟動了。wget依次輸入enter yes yes no ...
				
搭建GPU伺服器遇到的問題
系統 ubuntu16.04伺服器版 1 遠端登入後，終端無tab鍵補齊命令 解決 xfwm4 settings，2 新建使用者新增到sudoers 注意 用roor使用者更改，若存在root使用者，su root 若不存在sudo i a 使用adduser建立使用者會建立使用者目錄的資訊 add...