CentOS服务器配置GPU深度开发环境

CentOS服务器配置GPU深度开发环境

 

1. 安装系统开发工具

# 更新yum源
sudo yum update
# 安装开发工具包
sudo yum group install 'Development Tools'

 

2. 安装显卡驱动

2.1. 更新elrepo源

        来源：ELRepo.org

# 导入公钥
rpm --import https://www.elrepo.org/RPM-GPG-KEY-elrepo.org
# 安装elrepo
rpm -Uvh https://www.elrepo.org/elrepo-release-7.0-3.el7.elrepo.noarch.rpm

2.2. Nvidia驱动相关依赖包

# 安装Nvidia驱动检测包
sudo yum install nvidia-detect
# 测试指令
nvidia-detect

    测试结果：

              

2.2. 安装Nvidia驱动，并重启

# 安装最新驱动
sudo yum install kmod-nvidia
# 重启服务器
reboot

2.3. 检查驱动安装情况

# 检测1：
ls -la /dev | grep nvidia
# 检测2：
nvidia-smi

    测试结果：

                     

 

3. 安装CUDA、CuDNN加速器

       CUDA、CuDNN老旧版本：链接: https://pan.baidu.com/s/15IAIxzjOZfB7l1Uo7tiCiA 提取码: 2t33

       CUDA最新版本下载：Nvidia CUDA Toolkit

       CuDNN最新版本下载：Nvidia cuDNN Archive

3.1. 安装CUDA

# 安装指令
bash cuda_9.0.176_384.81_linux.run
# 编辑系统文件，配置环境变量
vim /etc/profile
    export CUDA_HOME=/usr/local/cuda
    export LD_LIBRARY_PATH=$CUDA_HOME/lib64:$LD_LIBRARY_PATH
    export LD_LIBRARY_PATH=$CUDA_HOME/bin:$PATH

       关键：驱动不需要再次安装。

                   Install NVIDIA Accelerated Graphics Driver for Linux-x86_64 384.81?
                   (y)es/(n)o/(q)uit: n

3.2. 安装CuDNN

# 解压cudnn文件
tar -xzvf cudnn-9.0-linux-x64-v7.tar.gz
# 拷贝到CUDA目录
cp -d cuda/lib64/* /usr/local/cuda/lib64/
cp cuda/include/cudnn.h /usr/local/cuda/include

3.3. 设置环境变量

# 设置环境变量
vim /etc/profile
    # Added by whp.
    export CUDA_HOME=/usr/local/cuda
    export LD_LIBRARY_PATH=$CUDA_HOME/lib64:$LD_LIBRARY_PATH
    export PATH=$CUDA_HOME/bin:$PATH
# 生效
source /etc/profile

 

4. 安装Python和Tensorflow-gpu

4.1. 安装Anaconda3

    Anaconda资源：https://repo.anaconda.com/archive/

# 安装Anaconda3-4.2
bash Anaconda3-4.2.0-Linux-x86_64.sh
# 设置环境变量
vim ~/.bashrc
    # Added by whp.
    export ANACONDA_HOME=/ssd/whp/anaconda3
    export PATH=$ANACONDA_HOME/bin:$PATH
# 生效
source ~/.bashrc

    测试结果：

                    

4.2. 安装tensorflow-gpu

# 安装Tensorflow
pip install tensorflow-gpu

    测试结果：

# 测试tensorflow-gpu
python
    import tensorflow as tf
    sess = tf.Session()

  

 

5. 总结

       在纯净版CentOS7上安装配置深度开发环境。

       首先，配置GPU开发环境。安装Nvidia显卡驱动，并安装CUDA、CuDNN加速器。

       其次，配置Python开发环境，安装Anaconda3，并pip安装Tensorflow-gpu。