关于GPU服务器的那些事

1：查看CUDA  Version

（查看/usr/local/cuda/version.txt）、

  CUDA Version 8.0.61

2：Linux 多个python版本的问题：

    2.1安装：

        下载：wget https://www.python.org/ftp/python/3.5.3/Python-3.5.3.tgz

解压：tar -zxvf Python-3.5.3.tgz

配置 进入python-3.5.3 1 ： （后面是指定安装路径） 

./configure --prefix=/usr/local/bin/python353（可以指定也可以默认）

make

make install

默认python3.53位置：/usr/local/lib/python3.5 

（PS：这里记录的是普通的方法，但是在import pytorch可能会报错，直接看模块3）

2.2 关于软链接的问题

 Linux下使用python命令实际上都是使用软连接连接到指定的编辑器上，

（python只是一个连接的名字，python3也可以，python4也可以）

 使用：which python 查看一下Python可执行文件的位置

 查看软链接：切换到该目录下执行  ll python * 命令查看

 增加一个软链接：ln -s /usr/local/lib/python3.5   /usr/bin/python3 

 删除一个软链接直接rm rm python3

          此时使用python3可以连接python3.5的编译器。

     2.3关于不同python版本下包版本冲突的问题

第一种情况：例如python2和python3下的numpy并不兼容：

python2下使用 pip install numpy

python3下使用 pip3 install numpy 

这样可以看到安装的是不同版本的numpy，存放在不同的site-package下

这个很重要哦，虽然在python3下使用pip一样会打python3的package，但是在多个版本下pip 和 pip3的差别就体现出来了

第二种情况：建立虚拟环境 virtualenv

1 创建一个虚拟环境

virtualenv -p python 编辑器位置 自定义的虚拟环境位置（文件夹就是这个环境的名字）

virtualenv -p python编辑器位置 --no-site-packages 环境名字

此时便是在当前目录创建这个虚拟环境

这里有一个 --no-site-packages 是指这个环境不使用全局环境的包，比如python3.5的包不适用于python3.6，那么创建python3.6环境时就要打上这个no-site-packages

2 激活这个环境

source 自定义的虚拟环境位置/bin/activate

3 退出这个环境

deactivate

其实对于python2 和python3 这种大不同的版本，使用第一种软链接完全可以实现共存

对于python 3.5 python3.6这种小版本不同，使用virtualenv创建虚拟环境

3安装pytorch

使用pip安装pytorch可以参考官网

在此处记录一个import错误：

ImportError:libpython3.5m.so.1.0: cannot open shared object file: No such file or directory

而你翻遍了系统都找不到这个libpython3.5.so.1.0，说明错误出现在安装python3.5的某个步骤上

原因：在于安装python3.5是没有共享库（--enabled-shared）

解决办法：重新编译python3.5安装，并指定路径

进入python3.5的解压包：

./configure --prefix=/usr/local --enable-shared --with-threads 

 LD_RUN_PATH=/usr/local/lib make 

 sudo make install 

在此import torch 不再报错

4运行py文件

CUDA_VISIBLE_DEVICES=0,1,2 python3  /mnist/rnn.py

！！注意是python3的编辑器去运行  (指定CUDA模块 python编辑器  python文件)

利用nvidia-smi来查询GPU信息，获取GPU模块，可以看到一共有四块NVIDIA GPU模块，编号分别为0,1,2,3 选取其中部分全部作为上个命令行代码CUDA_VISIBLE_DEVICES的值

nvidia-smi是一个命令行工具，可以帮助你管理操作GPU device，并且允许你查询和更改device状态