自建 GPU 服务器 搭建gpu服务器

系统信息：

Ubantu18.04，GPU：Tesla P100

1. 使用Xshell 登录服务器

2. 安装nvidia驱动

根据服务器nvidia信息，下载对应版本的驱动（http://www.nvidia.com/Download/index.aspx?lang=en-us）

查看nvidia信息的命令

lspci | grep -i nvidia

将下载好的驱动文件传输到服务器文件夹下，依次输入以下两行命令，根据提示选择accept和yes,安装结束。

sudo apt-get install linux-headers-$(uname -r)
sudo sh NVIDIA*.run

3.安装CUDA toolkit

官网下载CUDA toolkit对应版本（https://developer.nvidia.com/cuda-downloads），刚开始我选择的是最新的cuda_10.0,但是TensorFlow-gpu等对应的版本还没有，所以后面一直不成功。后来我选择了比较成熟的cuda_9.0，下载的是runfile本地安装。下载好同样上传到服务器。（ps:虽然我的ubantu是18.04版本，但是这里选16.04也不影响）

 根据官网的提示命令安装，或者使用命令

sudo sh cuda*.run

当出现下图所示情况时候，是CUDA的协议，按着enter往下走，一直到100%

 

接下来，输入accept，yes,注意接下来的一定要选择no,否则会出错（具体为什么出错暂时不知道）。

出现这样的字样，安装结束

 

 

 

 

注：如果第二行出现：toolkit installation failed using unsupported compiler，则将上文的安装命令后面添加-override即可，即

sudo sh cuda*.run -override

 

最后，添加环境变量

sudo vi /etc/profile

在打开的文件最后添加cuda的地址

export PATH=/usr/local/cuda-9.0/bin:$PATH
export LD_LIBRARY_PATH=/usr/local/cuda-9.0/lib64:$LD_LIBRARY_PATH

保存，退出，通过source命令使更改生效，并检查CUDA是否安装完成

source /etc/profile 使更改生效。
nvcc –V 检查CUDA

4.  安装CUDNN

官网下载和CUDA对应的版本（https://developer.nvidia.com/rdp/cudnn-download ），需要注册。然后解压文件，一次执行以下命令

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安装完成。

5. 安装anaconda

在官网下载anaconda（https://www.continuum.io/downloads）。上传到服务器，使用如下命令安装。

sudo sh Anaconda3-5.2.0-Linux-x86_64.sh

根据提示，如果出现是否添加环境变量选择yes,如果选择了no，可以之后手动添加，方法如下：

sudo vi ~/.bashrc

在最后添加：

export PATH=$PATH:/home/userName/anaconda3/bin:$PATH

保存退出，使用source使命令生效。

source ~/.bashrc

所有这些都做好之后，记得关闭Xshell连接，重新连上才能conda信息。

6.安装TensorFlow-GPU

使用pip 命令,网速不好，耐心等待。也可以直接到官网先下载好，然后本地安装（https://pypi.org/project/tensorflow-gpu/#files）

pip install tensorflow-gpu

测试：

import tensorflow as tf
hello = tf.constant('Hello, TensorFlow!')
sess = tf.Session()
print(sess.run(hello))

出现如下log信息，则说明环境搭建ok.

 

7. 为服务器添加普通用户

sudo useradd -m -s /bin/bash userName
sudo passwd userName #为这个用户设置密码

删除用户

sudo userdel -r userName

 

 

 

备注：

服务器环境搭建jupyter可以直观的看到文件夹信息，如何搭建请参看下面链接：

。

参考网址：