|
上一篇介绍了如何使用ssh。 http://blog.csdn.net/sinat_25838589/article/details/79012530
本篇主要介绍：在服务器中安装显卡驱动及配置深度学习框架。 服务器与本地主机的区别（待补充）在配置本地Linux系统（比如ubuntu）主机的深度学习框架时，显卡驱动的安装按照提示一步一步进行即可。但是，在给服务器安装GPU驱动时，就要考虑到显卡驱动中的显示驱动不能安装，因为服务器预装的系统中没有X桌面（GUI），这点一定要注意。 配置环境 1）安装NVIDIA驱动显卡驱动下载官网地址：http://www.nvidia.com/Download/index.aspx?lang=en-us 参考下图，CUDA版本一定要选择“8.0”！！！因为TensorFlow官网要求cuda版本为8.0，虽然有写支持9.0，但是实测暂时不支持
新建一个文件夹，存放需要下载的驱动文件 sudo mkdir /home/downloads
点search后点下载，按照下图操作复制链接
链接形式如下： http://cn.download.nvidia.com/tesla/384.66/nvidia-diag-driver-local-repo-ubuntu1604-384.66_1.0-1_amd64.deb
输入如下命令下载并重命名驱动文件 sudo wget -O driver-384.deb http://cn.download.nvidia.com/tesla/384.66/nvidia-diag-driver-local-repo-ubuntu1604-384.66_1.0-1_amd64.deb
按照官网“其他”中介绍的安装方式安装 
2）安装CUDA toolkit这里就有小坑了，CUDA版本要在下面“legacy releases”中选择8.0版本 win 版本：https://developer.nvidia.com/compute/cuda/9.0/Prod/local_installers/cuda_9.0.176_win10-exe Linux ubuntu16.04版本：（可能会变动）https://developer.nvidia.com/compute/cuda/9.0/Prod/local_installers/cuda-repo-ubuntu1604-9-0-local_9.0.176-1_amd64-deb 
下面这两个用哪个都可以 
然后按照下图选择类型，最后按照安装介绍安装。 
在安装时，会遇到如下提示，我们不安装显示驱动，所以一定要选“n” Install NVIDIAAccelerated Graphics Driver for Linux-x86_64 387.26?
(y)es/(n)o/(q)uit:n
最后显示如下内容，代表CUDA安装成功  3）安装CUDNN
tar -xvzf cudnn-8.0-linux-x64-v5.1.tgz
解压后是一个cuda文件夹
cd cuda
sudo cp include/cudnn.h /usr/local/cuda/include
sudo cp lib64/libcudnn.* /usr/local/cuda/lib64
sudo vi /etc/profile
export PATH=/usr/local/cuda-8.0/bin:$PATH
export LD_LIBRARY_PATH=/usr/local/cuda-8.0/lib64:$LD_LIBRARY_PATH
source /etc/profile 使更改生效。
nvcc -V 检查CUDA
下面 4）5）步可以参考TensorFlow官网安装教程：https://www.tensorflow.org/install/install_linux#installing_with_anaconda 4）安装anaconda
5）安装TensorFlow
| 
转播
