centos8.2+Tesla T4搭建深度学习运行环境

因为工作需要，租借了腾讯云服务器。购买的配置是centos 8.2系统，512G的存储空间，另外显卡是Tesla T4，20核CPU，80G内存，在此基础上搭建深度学习的运行环境，将要安装pytorch和tensorflow开发框架。

1.安装显卡驱动

查看显卡的类型

lspci | grep -i nvidia

可以发现，

显卡类型为Tesla T4。

通过显卡找到驱动版本，打开官网。

下载时候需要记住自己的cuda toolkit版本，后续安装cuda时候需要版本一致。

等下载完成后，上传到服务器上，就可以进行后续的安装操作。

%让.run 文件有可执行权限：
chmod u+x NVIDIA-Linux-x86_64-460.73.01.run
%执行安装脚本
sudo ./NVIDIA-Linux-x86_64-460.73.01.run

通过下述命令就可以检查是否安装成功。

看到以上显卡的具体信息，就表示目前为止驱动安装成功！

2.安装cuda

去官网下载，安装cuda。

有命令提示下载安装，如果第一步操作在服务上不能解析地址下载，可以选择下载到本地然后再进行第二步的安装。

安装过程中，一路选择yes就ok。

接下来需要配置环境变量，如下。

%打开profile文件进行编辑
sudo vim /etc/profile
%在文件的最后添加如下两行语句
export PATH=/usr/local/cuda-11.0/bin${PATH:+:${PATH}} 
export LD_LIBRARY_PATH=/usr/local/cuda-11.0/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}
%保存退出
：wq！
source /etc/profile
%重启
sudo reboot

接下来验证cuda是否安装成功。

到此为止，表明cuda安装成功。

3.安装cudnn

第一步下载cuda对应的cudnn。官网

本地下载完成以后，上传到服务器，接下来开始安装。

%先解压文件 ：

tar -xvf cudnn-11.2-linux-x64-v8.1.0.77.tgz
%复制到CUDA指定目录下
sudo cp cuda/include/cudnn*.h /usr/local/cuda/include

sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64 
%修改权限
sudo chmod a+r /usr/local/cuda/include/cudnn*.h /usr/local/cuda/lib64/libcudnn*

验证是否安装成功。

%注意cudnn8.0以上版本cudnn.h一定要写为cudnn_version.h
cat /usr/local/cuda/include/cudnn_version.h | grep CUDNN_MAJOR -A 2

当出现如下的界面，说明cudnn安装成功。

至此，GPU的驱动安装完毕，接下来就是配置运行编译环境。

4.安装Anaconda

直接去官网下载最新版的anaconda。注意需要选择与系统对应的版本下载。

下载完成以后，上传到服务器上，然后通过下列命令进行安装。

bash Anaconda3-2021.05-Linux-x86_64.sh

在安装过程中一路yes就OK。

可以默认不选择init，然后通过以下的命令修改。

echo 'export PATH="/root/anaconda3/bin:$PATH"' >> ~/.bashrc

最后输入命令，使环境变量生效。

source ~/.bashrc

查看conda是否安装成功。

如果显示conda命令不存在，应该是安装过程中没有选择初始化。

You have chosen to not have conda modify your shell scripts at all.
To activate conda's base environment in your current shell session:

eval "$(/home/xxx/anaconda3/bin/conda shell.YOUR_SHELL_NAME hook)" 

To install conda's shell functions for easier access, first activate, then:

conda init

If you'd prefer that conda's base environment not be activated on startup, 
   set the auto_activate_base parameter to false: 

conda config --set auto_activate_base false

需要通过以下命令进行手工初始化。

eval "$(/root/anaconda3/bin/conda shell.bash hook)"

这样会进入base的conda环境中，通过以下命令可以推出conda虚拟环境。

conda deactivate

到目前为止，anaconda就安装完成。

接下来就可以通过conda命令创建属于自己的编译环境，在里面可以搭建不同的深度学习框架，比如安装pytorch或者tensorflow。

TensorFlow-gpu 安装完成后测试。

import tensorflow as tf
tf.test.is_gpu_available()

如果返回True，说明GPU版本的TensorFlow没问题。

Pytorch安装完成后测试。

import torch
flag = torch.cuda.is_available()
print(flag)

如果返回的是1，说明GPU版本的torch没问题。