服务器：
其实就是一个大型的计算机
初次使用时 apt-get/sudo 命令是无法使用的
配置c/c++环境
分配账号：建立系统环境表
首先记录系统环境：
| 版本 | 查看版本命令 | |
| ubuntu | gcc5.4 | cat /proc/version |
| centos | gcc4.8 | cat /etc/redhat-release |
| python | ||
| protobuf | 2.6.1 | protoc -V |
| opencv | 2.4.8 | pkg-config opencv |
| blas： open/atlas/mkl | ||
| cuda | 8.0---12.0 |
|
| cudnn | 5.1 |
|
| cmakelist | 2.8 |
这是一个作为程序员的经验，记录系统的配置，比对自己的配置
优先级：
一 系统环境变量优先级最低 < .bashrc(将路径放入这里，使用方便) < [MakeFile]环境配置文件）
二 还有写的顺序也决定了优先级
多版本共存解决方式：
调节优先级：
使用源码安装的方式调节优先级：
源码安装的打印信息：（达成了lib库文件和include头文件的运用 bin配置文件不能使用）
①license
②指定安装路径(到个人目录)
③是否允许修改系统的一些版本：NO
④是否建立软连接：NO
python管理
cuda建立虚拟环境： cuda create -n
技巧：
1.指定python版本，尽量区分开，即使是不需要变动也能使用
因为在配置环境时，可以看出是否被激活，配置的不一样，你就能明白是否激活了
操作：
登录账号就可以看到ip地址与系统和其版本
之后手动查看系统的gcc和protoc的版本
gcc -V
protoc -V
发现有 gcc 5.4.0 却没有 protoc，源码安装protoc
首先建立 mkdir software 建立软件文件夹
protoc源码地址：https://blog.csdn.net/bodybo/article/details/79036593
（多下载几个版本可以调节使用）
放入linux 打开安装包所在的位置
$ ./configure --prefix=/usr #修改为自己的路径，我的是software
$ make
$ make check
$ sudo make install
$ sudo ldconfig # refresh shared library cache.
没有管理员权限的，sudo命令可以不执行
运行此命令发现权限不够，不是因为必须使用sudo，而是文件问题
chmod +x *
然后就可以运行了。
执行第二步的make
若出现上面图片的问题，则是因为没有配置环境的问题
将系统的cuda放入bashrc（一个隐藏文件）之中
#若输入nvcc -V 报错 就是因为没有配置环境的问题
vim ~/.bashrc
#最后添加
export PATH=$PATH:/usr/local/cuda/bin
#source
source ~/.bashrc
若是安装了别的cuda版本，使用时就将bashrc下的cuda/bin路径改掉
查看opencv版本：
pkg-config opencv --modversion
opencv源码地址 ： https://github.com/opencv/opencv/releases/tag/3.3.0
注意：pkg unzip python pip 在新的服务器下都没有
而其中 pip 和 cuda（usr/local下）是可以放在个人账户下的 ，进入cuda
nvcc -V #查看cuda的版本
找cudnn，cudnn不是一个安装的东西，而是一个头文件和一个库文件，可以直接解压
在此目录下放入cudnn的库文件
链接：https://pan.baidu.com/s/1Cs5UOxOM9X4bYCVUiDTsRQ
提取码：sjmk