深度学习GPU开发环境配置
首先环境列表如下：
CentOS release 6.3
Tesla P4
anaconda2
gcc4.8
glibc-2.14
tensorflow1.9
pytorch1.0
第一步：安装NVIDIA驱动，使lspci | grep -i nvidia能够显示出来，nvidia-smi查看GPU使用情况
参考https://blog.csdn.net/oTengYue/article/details/79506758
第二步：配置gcc4.8,https://blog.csdn.net/aojue1109/article/details/81948519
第三步：安装anaconda，https://www.anaconda.com/download/#linux，根据自己需要可以安装python2.7和python3*
第四步：安装软件：
1.安装tensorflow,参考http://www.cnblogs.com/zzb-Dream-90Time/p/9688330.html
我选择的是tensorflow1.9,执行conda install tensorflow-gpu==1.9,过程中会自动安装cuda9.0和cudnn7.1.2
2.安装pytorch,https://pytorch.org/get-started/locally/,选择合适的命令进行安装
我的安装过程踩过的坑
第二步.登录申请好联网的服务器，配置环境
1.配置GCC4.8环境：
/usr/bin/gcc --version
/usr/bin/g++ --version
/usr/bin/c++ --version
查看版本号，如果不是4.8版本，则需要做替换。
mv /usr/bin/gcc /usr/bin/gcc-4.*.bak
mv /usr/bin/g++ /usr/bin/g++-4.*.bak
mv /usr/bin/c++ /usr/bin/c++-4.*.bak
ln -s /home/work/.jumbo/opt/gcc48/bin/gcc /usr/bin/gcc
ln -s /home/work/.jumbo/opt/gcc48/bin/c++ /usr/bin/c++
ln -s /home/work/.jumbo/opt/gcc48/bin/g++ /usr/bin/g++
gcc --version
第三步：从https://www.anaconda.com/download/#linux下载安装anaconda，安全起见选择Python 2.7 version。
wget https://repo.anaconda.com/archive/Anaconda2-5.3.1-Linux-x86_64.sh
sh Anaconda2-5.3.1-Linux-x86_64.sh
执行source ~/.bashrc让安装的Anaconda起作用
增加源（提升安装软件速度）：https://mirrors.tuna.tsinghua.edu.cn/help/anaconda/
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
第四步：安装软件
由于Anaconda集成了很多python的安装包，基本的都已经安装好了。没有的软件，可以使用下面的方式安装，尽量选择conda install的安装方式，pip 安装的软件，执行的时候可能会报错
conda install gensim
conda install jieba
cond
conda install tensoflow-gpu==1.9
conda install pytorch torchvision -c pytorch (结合自己的环境执行不同的命令：https://pytorch.org/get-started/locally/)
a install opencv
anaconda2/bin/pip install xgboost
安装pytorch之后，运行的时候报错：'GLIBC_2.14' not found
解决方案：https://blog.csdn.net/clirus/article/details/62425498
1.查看自己的GLIBC的版本，strings /lib/libc.so.6 | grep GLIBC
如果没有，需要编译安装(root下)，
(1)wget http://ftp.gnu.org/gnu/glibc/glibc-2.14.tar.gz
(2)tar -zxvf glibc-2.14.tar.xz
(3)cd glibc-2.14
(4)mkdir build
(5)cd build
(6)../configure --prefix=/opt/glibc-2.14 这一步可能报错：export LD_LIBRARY_PATH= 把LD_LIBRARY_PATH清空，重新执行
(7)make -j4 && make install
可能报错：
Can't open configuration file /opt/glibc-2.14/etc/ld.so.conf: No such file or directory
就是缺少了必要的编译文件ld.so.conf。通过find命令找到对应的文件位置
find / -name "ld.so.conf" （root下执行）
选择一个合适的拷贝到对应的目录中，然后继续编译
cp /etc/ld.so.conf /opt/glibc-2.14/etc/
直到编译成功
测试一下编译的gilbc是否有问题：
export LD_LIBRARY_PATH=/opt/glibc-2.14/lib:$LD_LIBRARY_PATH
如果系统没有问题：切换到root下，vim /etc/profile 添加：
export PATH=/home/work/anaconda2/bin:$PATH（不同的窗口配置起作用）
source /etc/profile
ll /usr/lib64/libstdc++.so.6
/usr/lib64/libstdc++.so.6 -> libstdc++.so.6.0.13
https://www.jianshu.com/p/28a0c98027a8
防止运行pytorch的时候提示glibc-2.14 not find，通过strings /lib64/libc.so.6|grep GLIBC 发现确实没有libc-2.14，需要做软连接，
把 /lib64/libc.so.6备份为 /lib64/libc.so.6.bak
ln -s /opt/glibc-2.14/lib/libc.so.6 /lib64/libc.so.6
如果此时命令不能用了，也是误删除/lib64/libc.so.6，造成系统崩溃的恢复（千万不要推出root命令下），立马执行：LD_PRELOAD=/lib64/libc-2.12.so ln -s /lib64/libc-2.12.so /lib64/libc.so.6
或者：LD_PRELOAD=/lib64/libc-2.12.so ln -s /opt/glibc-2.14/lib/libc.so.6 /lib64/libc.so.6
查看系统是否恢复以及/lib64/libc.so.6是否满足要求
https://www.linuxidc.com/Linux/2017-02/140994.htm
https://blog.csdn.net/mymy_blog/article/details/69337232
不小心误删/opt/glibc-2.14/lib/libc.so.6文件后，系统这时候大部分命令是失效的，为了防止系统崩溃，可以做下面的事情恢复（千万不要关闭界面，如果重新打开就进不去了，切记）：
1.export LD_LIBRARY_PATH=
2.找到glibc-2.14/编译好的文件夹glibc-2.14/build,把libc.so.6 拷贝到/opt/glibc-2.14/lib/libc.so.6，执行strings opt/glibc-2.14/lib/libc.so.6 | grep GLIBC_ ,如果正常出现，则表示成功恢复
tensorflow-gpu和cuda的对应关系http://www.cnblogs.com/zzb-Dream-90Time/p/9688330.html
Failed to set locale, defaulting to C
yum reinstall glibc-common
运行tensorflow和pytorch出现错误：
Segmentation fault (core dumped)
可能是LD_LIBRARY_PATH环境配置冲突，由于是anaconda2中安装了cuda和cudnn，和系统中cuda和cudnn不兼容
export LD_LIBRARY_PATH=
测试，如果不报错，说明LD_LIBRARY_PATH设置的有问题，需要重新设置
最后测试pytorch程序和tensorflow，运行成功
最后附上原文链接：https://blog.csdn.net/love_data_scientist/article/details/85230063