内容概要
- cuda+cudnn+python环境安装
- ubuntu18的开机自启动脚本
- screen服务开启
以我个人的实践来看，把python开发的算法封装成webserver的服务供前端程序调用是个不错的方案，解决了不同语言直接做接口的复杂性，同时后期的运营、维护、监控也比较方便。但是python的环境部署确实比较麻烦的，一两台机器还行，大规模部署的话几十上百台机器想想就头大，正规的做法是用docker，这里先撇开不谈。但其实条件允许的话，可以在一台机器上部署环境，然后将系统镜像用systemback打包，再安装到其他机器，新环境的部署就简单了，装完系统，环境就ok了，再配上开机自启动的算法服务，简直完美（ubuntu18亲测有效）。
cuda+cudnn+python环境安装
安装文件自行下载，这里提供我的安装包供参考链接：https://pan.baidu.com/s/1WShQSF94iQYPwNX4kwle6A
提取码：slqs
安装cuda环境网上教程非常多，这里不再赘述。需要注意cuda和cudnn版本匹配，显卡驱动版本、以及gcc版本需注意。下面以cuda10.1+cudnn7+nvidia驱动440+Anaconda3-5.2.0为例，列举下可能的操作：
- 卸载之前存在的cuda或驱动
sudo /usr/bin/nvidia-uninstall
sudo apt-get purge nvidia*
- 安装驱动
编辑：
sudo nano /etc/modprobe.d/blacklist.conf
加入：
blacklist nouveau
options nouveau modeset=0
Ctrl+O保存，Ctrl+X退出
sudo update-initramfs -u
最好重启下
lsmod | grep nouveau 无输出即可
- gcc/g++降级
apt-get install gcc-7 g++-7
sudo update-alternatives --install /usr/bin/gcc gcc /usr/bin/gcc-7 100
sudo update-alternatives --install /usr/bin/gcc gcc /usr/bin/gcc-9 50
sudo update-alternatives --config gcc命令查看gcc的默认版本
- 安装cuda
chmod +x cuda_10.1.168_418.67_linux.run
sudo ./cuda_10.1.168_418.67_linux.run
进入界面后 空格取消驱动安装选项
等待安装完成
设置环境变量：
sudo nano ~/.bashrc
export CUDA_HOME=/usr/local/cuda-10.1
export LD_LIBRARY_PATH=${CUDA_HOME}/lib64
export PATH=${CUDA_HOME}/bin:${PATH}
Ctrl+O保存
source ~/.bashrc 使生效
输入nvcc -V验证
-cudnn安装
sudo dpkg -i libcudnn7_7.6.5.32-1+cuda10.1_amd64.deb
deb解压安装即可，压缩包的话需要拷贝文件到对应的cuda文件夹
- Anaconda安装
这里需要注意，如果是安装在用户目录下，打包镜像安装到其他机器上会导致python无法使用，因为用户名是写死在环境变量中了。建议安装在非用户目录，我这里安装路径是/usr/local/anaconda3 供参考。
sudo sh Anaconda3-5.2.0-Linux-x86_64.sh
ubuntu18的开机自启动脚本
这部分走了不少弯路，主要是想自启动脚本里能实现在创建的screen下开启算法服务，这样的话后期监控，直接screen -r name进入查看即可，而且是真后台运行，各种优点吧。实现过程中遇到了不少问题，如conda虚拟环境无法进入、环境变量未激活、启动脚本不执行等。好在最终解决，这里直接给出可行方案：
- 编辑自启动服务
由于该系统没有自带其他linux版本自带的rc.local文件的开机自启动方法，所以要自己生成rc.local文件。
先编辑rc-local.service：
sudo nano /etc/systemd/system/rc-local.service
写入：
[Unit]
Description=/etc/rc.local Compatibility
ConditionPathExists=/etc/rc.local
[Service]
Type=forking
ExecStart=/etc/rc.local start
TimeoutSec=0
StandardOutput=tty
RemainAfterExit=yes
SysVStartPriority=99
[Install]
WantedBy=multi-user.target
然后编辑rc.local:
sudo nano /etc/rc.local
写入：
#!/bin/bash
#
# rc.local
#
# This script is executed at the end of each multiuser runlevel.
# Make sure that the script will "exit 0" on success or any other
# value on error.
#
# In order to enable or disable this script just change the execution
# bits.
#
# By default this script does nothing.
source ~/.bashrc
sh /home/online_stagex/auto_start/start.sh > /dev/null 2>&1 &
exit 0
最后执行：
sudo chmod +x /etc/rc.local
sudo systemctl enable rc-local
sudo systemctl start rc-local.service
sudo systemctl status rc-local.service
rc.local中sh无法执行？
sudo rm /bin/sh
sudo ln -s /bin/bash /bin/sh
其中，start.sh是开机自启动脚本，前面的路径是存放位置，记得加上可执行权限。chmod +x
screen服务创建及服务的开启
在自启动脚本start.sh中定义了，启动要干的事情，这里面写的是创建screen并开启服务的过程。
需要说明的是自启动脚本是root用户下执行的，创建的screen也是在root下面，查看需要sudo screen -ls指令。创建的screen在sh环境下，需要使能环境变量source ~/.bashrc否则无法使用py环境。发送到screen的指令太长的话可以重新写个脚本。
上面的脚本就是最终执行python代码的指令，在web_start_8381.py中封装了算法服务。
重启测试，服务开起来了，log里也有日志，进入到screen有算法后台输出，完美！
2021.1.12 update：
在ubuntu20.04server版上部署开机自启动遇到一个问题，rc.local里sh命令貌似不执行，后来发现其实执行了在sudo screen里 source 环境变量不生效，在su下重新设置环境变量即可