实验室服务器18.04LTS+RTX2080Ti+CUDA10.0+CUDAnn7.4+tf1.13装机之路

刚进实验室，之前看过师兄装机，这次服务器系统坏了之后小白尝试装机，记录一下过程。
期间参考了很多优秀博主的文章，表示十分感谢！

一、存在且并未解决的问题

虽然现在服务器可以用了，但是还有几个问题没有解决。希望路过的大神如果看到帮忙解决一下，感谢！
服务器配置：
主板：华硕Z10PA-D8 Series(wellsburg)
处理器：英特尔Xeon(至强)E5-2620 v4(X2)
显卡：RTX2080Ti

1.安装ubuntu16.04LTS系统失败

本来打算安装ubuntu16.04LTS系统的，但是进入安装页面（还没安装成功）就显示running in low graphic mode，看到其他文章里分享的方法都是针对原来的系统完整，开机显示这个界面的情况的解决方法。
在后来我安装18.04系统的时候，发现有的教程上写在u盘启动的界面，编辑grub.conf文件，禁用noveaus驱动，感觉这个可能是一个解决的方法，但是已经安装好了18.04版本的，就没试这个方法。
试了优麒麟版本的也安装不上，所以才装的18.04

2.ubuntu18.04LTS系统，DrCom上网掉线

安装好系统后，第一件事就是上网更新。但是由于使用的校园网，需要DrCom,配好IP地址，登陆DrCom每次过个2、3分钟就自己掉线，所以后面大部分都是离线安装的。

• 当时试了在win10系统下不会掉线，硬件应该没问题。
• 换了IP地址也还是会掉线…

二、安装ubuntu18.04LTS系统

这台服务器使用Ubuntu较多，所以只安装了ubuntu，安装双系统其实只需要注意分区和启动项的问题就可以了，在此不再赘述。

• 下载安装文件
  登陆ubuntu官网或者优麒麟官网选择18.04LTS desktop版本进行下载，大概1.9个G吧
  或者登陆清华园镜像站搜索ubuntu，release中有各个版本，选择要安装的即可。
• 制作u盘启动盘
  制作工具：Rufus或者软碟通（ultraISO）
  详细的可参考这篇文章
• 安装系统
  因为安装的不是双系统，所以不存在分区的问题，此处不再写分区的那些东西了。需要注意的就是以下几点：
  （1）开机时进BIOS选择u盘为最优先启动；华硕一般是F2或者delete
  （2）禁用BIOS中的secure boot，因为此方法使用第三方源安装显卡驱动，不禁止secure boot会导致安装的驱动不能使用，禁用也不会有多大安全隐患
  （3）U盘启动后，选择到第二行install Ubuntu，然后按E键进入编辑进入命令行模式，然后在quiet slash – 后面(也可能没有 – )，添加 “acpi_osi=linux nomodeset”，这一步是禁用Nouveau的驱动，因为有的人安装双系统可能会卡在安装logo的界面。我没进行这一步的操作，但也没出现卡在安装logo的问题，可能是因为我只安装了ubuntu系统吧–.。这一步可参考这篇博客文章。
  注意：这一步的改动只是在安装的时候临时禁用Nouveau的驱动，并不是永久禁用，所以在安装成功后，需要在grub的配置文件里面再次更改

$ sudo gedit /boot/grub/grub.cfg

在文本中搜索quiet splash 然后添加acpi_osi=linux nomodeset，保存文本即可。
（4）在选择“Updates and other software”时，选择"Normal installation"，这样一些常用的软件就默认安装上了。在“Installation type”中，如果不打算安装双系统，直接选择第一个“Erase ****”，这样电脑上原先的系统以及相关文件数据等都将全部删除，因此在此之前一定要备份好重要数据。

系统安装完的第一件事就是更新一下
sudo apt-get update
sudo apt-get upgrade

三、安装NVIDIA驱动

推荐这个博主翻译的三种方法比较实用：https://blog.csdn.net/tjuyanming/article/details/80862290
以及另外禁用nouveau驱动的方法
一共安装了两次显卡驱动，虽然现在机器可以正常运行，但是总感觉哪里不对。

1.第一次安装

首先，添加图形驱动程序PPA储存库

$ sudo add-apt-repository ppa:graphics-drivers/ppa
$ sudo apt update

然后，检测NVIDIA显卡型号和推荐的驱动程序的模型。输入ubuntu-drivers devices
本来应该出现下面的输出（这是别人的）

$ ubuntu-drivers devices
== /sys/devices/pci0000:00/0000:00:01.0/0000:01:00.0 ==
modalias : pci:v000010DEd00001180sv00001458sd0000353Cbc03sc00i00
vendor   : NVIDIA Corporation
model    : GK104 [GeForce GTX 680]
driver   : nvidia-304 - distro non-free
driver   : nvidia-340 - distro non-free
driver   : nvidia-384 - distro non-free recommended
driver   : xserver-xorg-video-nouveau - distro free builtin
 
== cpu-microcode.py ==
driver   : intel-microcode - distro free

但是我的输出没有model这一项，我就没管。难道不能识别2080Ti??
推荐的驱动是nvidia-435版本的，当时没多想，直接在软件更新里选中并且更改了
（整个过程忘记截图记录了，这张也是别人的）

然后安装结束后reboot，重新打开terminal，输入nvidia-smi，有显示安装成功，就接着安装cuda/cudann/tensorflow那些了。
PS：但是后面我去英伟达官网查找驱动的时候，发现推荐的最新版本只有430.5

2.第二次安装

在我很高兴的顺利的安装完后面的这些cuda之类的，跑代码什么也没问题，过了两天开机连登陆界面都没出现，就跳到了 /dev/sdc2 clean ，***files/**block，于是就进行了第二次安装。具体过程，见这篇文章

四、安装cuda、cudann

先附上官方的教程吧，有耐心的可以按照官方的来，要稳妥一点
cuda 安装官方教程： https://docs.nvidia.com/cuda/cuda-installation-guide-linux/index.html#introduction
cudnn 安装官方教程： https://docs.nvidia.com/deeplearning/sdk/cudnn-install/index.html#overview
（我没按照这两个来…）

4.1 确定TensorFlow版本与CUDA、CUDANN对应的关系

参考网址：https://tensorflow.google.cn/install/source

我选择的是第一条，cuda10.0版本，cuDNN 7.4，不打算自己编译TensorFlow，所以没有管Bazel，gcc 4.8版本，python3.6版本
这台服务器连校园网过两三分钟就掉线，所以后面大部分都是下载到本地离线安装的。

4.2安装CUDA10.0

4.2.1 下载cuda

进入CUDA官网选择合适的版本进行下载，第二个是补丁，也要下载的。

4.2.2 安装CUDA10.0

CD到cuda下载的位置，打开终端输入：

sudo sh cuda_10.0××.run

先安装第一个，已知ENTER读完声明，前面安装过显卡驱动了，这里安装过程中问要不要安装的时候，no就可以了，其它的都yes

可能会提示：

***WARNING: Incomplete installation! This installation did not install the CUDA Driver. A driver of version at least 384.00 is required for CUDA 10.0 functionality to work.

To install the driver using this installer, run the following command, replacing <CudaInstaller> with the name of this run file:

sudo <CudaInstaller>.run -silent -driver

这是因为我们在安装CUDA的时候没有选择安装驱动，提示需要安装驱动，忽略就行。
然后同样把补丁安装上即可。

4.2.3 添加环境变量

首先打开path环境变量文档：

sudo gedit ~/.bashrc

然后添加环境变量：

export CUDA_HOME=/usr/local/cuda 
export PATH=$PATH:$CUDA_HOME/bin 
export LD_LIBRARY_PATH=/usr/local/cuda-10.0/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}

保存并退出，然后更新一下文档

source ~/.bashrc

4.2.4 测试CUDA是否安装成功

使用CUDA的sample测试

cd /usr/local/cuda/samples/1_Utilities/deviceQuery 
sudo make
./deviceQuery

执行后出现一大段，最后一行是 result pass 说明安装成功了。

4.3 安装cuDNN7.4

4.3.1 下载cuDNN

同样进入官网下载合适的版本，这里需要注册个账号。

4.3.2 安装cuDNN

到刚才下载的位置解压，运行以下指令把解压后相应的文件拷贝到对应的CUDA目录下即可

cd cuda
 
#copy到cuda库
sudo cp lib64/libcudnn.*    /usr/local/lib/    
sudo cp include/cudnn.h     /usr/local/include/
 
#或者，copy到cuda库
sudo cp lib64/libcudnn.*    /usr/local/cuda/lib64/    
sudo cp include/cudnn.h     /usr/local/cuda/include/
#给权限
sudo chmod a+r /usr/local/cuda/include/cudnn.h 
sudo chmod a+r /usr/local/cuda/lib64/libcudnn*

这两个地方用起来大概没什么区别，不过一般情况下建议使用/usr/local/cuda/include 和/usr/local/cuda/lib64，比如你要使用pytorch的时候，可以省掉一些手动配置，因为pytorch默认是通过 LD_LIBRARY_PATH来寻找cudnn的。这里参考了这篇文章
下面链接cuDNN的库文件（必须！）注意：使用第二个文件夹的位置的话，这里也要做相应修改

$ sudo ln -sf /usr/local/lib/libcudnn.so.7.4.2  /usr/local/lib/libcudnn.so.7
$ sudo ln -sf /usr/local/lib/libcudnn.so.7  /usr/local/lib/libcudnn.so
#链接完config更新，完成cuda和cudnn的安装
$ sudo ldconfig 

因为只是cudnn安装方式是将库文件放置再cuda目录下，所以版本万一不对也不要慌，可以重新删除再安装新的版本。
重启终端，查看cuDNN的版本

cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2
#下面的命令可以查看cuda的版本
nvcc -V

到此，CUDA和cuDNN安装结束！

五、安装Anaconda和Pycharm

5.1 安装Anaconda

• 进入官网或者镜像网站下载
  
• bash下载的文件即可，一路yes，中间可更改安装的文件夹
• 安装完成后第一件事就是添加镜像网站

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --set show_channel_urls yes
conda config --show-sources

添加 Anaconda Python 免费仓库后，运行 conda install numpy 测试一下吧。
在终端输入spyder可能没有，不急，等安装完tensrflow再安装spyder就是了。

5.2 安装pycharm

大体上也是相同的操作。
需要注意的是以下几点：

• Ubuntu18.04版本需要自己创建快捷方式，固定不到docker
• TensorFlow和pytorch安装完成后记得设置一下pycharm和spyder的python解释器

六、安装tensorflow

• python版本：在创建环境时创建3.6的即可
• 编译工具Bazel：不打算自己编译就忽略它吧
• cuDNN和CUDA：上面已安装完毕
• 所需要的条件就只剩下更改编译器GCC的版本了，这里可参考这篇文章

到此，只剩下TensorFlow的安装了，这里是官方的教程和社区的教程。
源代码编译太复杂了，我选择直接安装编译好的。期间也有很多依赖包需要安装，联网安装的。。
离线包在Pypi官网找的，找到对应的cp36（Python3.6）对应下载即可。

七、安装pytorch

pytorch的官网链接

本来可以联网的话一行代码就可以安装好了，但是客户端老掉只能离线安装了。
具体安装的哪个版本忘记了，最后在清华园镜像下载下来安装的，还是需要一些依赖包。。好在可以网连个两三分钟，剩下那些包都不大，最后磕磕绊绊安装好了。。。。import torch可以就说明安装成功了。