深度學習訓練環境離線搭建：CentOS7 linux 服務器安裝 tensorflow_gpu1.9、cuda9、cudnn7、anaconda3-4.3、python3.6

1 簡述

    最近需要在 CentOS7 linux 服務器上配置深度學習的訓練環境。

    那麼，該怎麼做呢？

    對於一臺服務器，首先得實現連網，然後進行遠程登陸。

    其次，搞清楚安裝什麼軟件，如何安裝，有哪些依賴項需要提前安裝。

    最後，需要進行簡單的測試驗證是否成功安裝。

    難點，一般公司的服務器可能不通外網，不能使用那些一鍵安裝指令。

    基於服務器的配置（2cpu，8gpu），我選擇 tensorflow-gpu1.9、cuda9、cudnn7、anaconda3-4.3、python3.6 構建整個深度學習的訓練環境。

    接下去，我將逐步介紹主要的操作。

2 軟件安裝

2.1 實現服務器的遠程連接

    具體參照我之前的博文win10 用 Cecure CRT 遠程連接 CentOS7 linux報錯：The remote system refused the connection.，主要配置 /etc/sysconfig/network-script 目錄下的網卡配置文件。

2.2 安裝 anaconda

    anaconda 用於方便地管理 python 三方庫。

    下載鏡像文件（sh文件），放到 /usr/local/src 文件夾下（你也可以選擇其他文件夾）。

 

    使用 bash 指令安裝 sh 文件：

• 詢問是否接受協議（輸入q，迅速跳過文字），輸入yes
• 詢問安裝路徑，輸入/opt/anaconda3
• 詢問路徑.bashrc（yes表示當前用戶有效），輸入no

    設置環境變量：

• 輸入 vim/etc/profile
• 編輯文件，輸入：

export ANACONDA_HOME=‘/opt/anaconda3’（安裝路徑）

export PATH=$ANACONDA_HOME/bin:$PATH 

    驗證是否成功安裝：終端輸入 python，出現以下顯示即爲成功安裝：

 

            

 

 

2.3 安裝顯卡驅動

    有兩種方法可以安裝，一種是安裝 cuda 的時候選擇安裝顯卡驅動，一種是直接到官網下載安裝（驅動下載網址：http://www.nvidia.cn/Download/index.aspx?lang=cn）。我用第一種方法安裝後，顯示安裝成功，但是 tensorflow 找不到 GPU，後來索性到官網下載驅動安裝。但是官網下載驅動吧，也是賊雞兒坑，每秒幾 k 的下載速度不說，還老是中斷，中斷了就得重新下。一怒之下，到 CSDN 的下載區域下了個版本不匹配的，索性能用。此處 CSDN 值得表揚。

    下載前，先輸入以下，查看自己用啥顯卡。

lspci | grep -i NVIDIA

 

    然後屏蔽 nouveau 模塊：

• vi /usr/lib/modprobe.d/dist-blacklist.conf
• 將nvidiafb註釋掉，#blacklist nvidiafb
• 然後添加以下語句：
• blacklist nouveau
• options nouveau modeset=0

    接下去重建 initramfs image：

•    mv /boot/initramfs-$(uname -r).img /boot/initramfs-$(uname -r).img.bak
• dracut -v /boot/initramfs-$(uname -r).img $(uname -r)

    最後檢查是否屏蔽成功 ：

    輸入：lsmod | grep nouveau，無輸出表示屏蔽成功。

2.4 安裝 CUDA

    cuda 9.2 版本是個坑，沒有對應的 tf 版本可以用，下載 9.0 版本就蠻好。

    下載鏈接：https://developer.nvidia.com/cuda-90-download-archive？target_os=Linux&target_arch=x86_64&target_distro=CentOS&target_version=7&target_type=runfilelocal

    安裝：

   sh 指令安裝

安裝位置：推薦 /usr/local/cuda

• 接受協議
• opengl：no
• x configuration：no
• tookit：yes
• symbolic：yes
• samples:yes

安裝完顯示：

修改環境變量：

• 輸入：vim  ~/.bash_profile

• 在export下方輸入：

• export PATH="/usr/local/cuda-9.0/bin:$PATH"

• export LD_LIBRARY_PATH="/usr/local/cuda-9.0/lib64:$LD_LIBRARY_PATH"

• 運行文件，輸入：source ~/.bash_profile

檢查是否成功安裝，輸入：nvidia-smi，顯示：

輸入：nvcc --version，顯示：

 

 

2.5 安裝 cudnn

    cudnn 是個加速包，沒這個 gpu 版的 tf 還是不能跑。

    下載鏈接：https://developer.nvidia.com/rdp/cudnn-archive#a-collapse742-92

    需要註冊，才能下載。推薦放置目錄：/usr/local/src

    安裝：

• 解壓文件，輸入：tar xvf cudnn-9.2-linux-x64-v7.6.4.38.tgz
• 解壓的文件在cuda目錄（解壓時候自己創建的/usr/local/src/cuda）下面
• 複製到/usr/local/cuda目錄：
• cp /usr/local/src/cuda/include/* /usr/local/cuda/include
• cp /usr/local/src/cuda/lib64/*   /usr/local/cuda/lib64

2.6 安裝 tensorflow-gpu

    安裝 tf-gpu 版需要一些依賴包。安裝過程提醒缺啥手動補齊。

    一些依賴包有編譯好的輪子，那就直接用，把輪子裏面 lib 路徑下的東西放到你安裝的 anaconda 目錄下，anaconda3/lib/python3.6/site-packages。裝完 conda list 顯示的還是舊版本，pip show xxx，纔是新的版本。

    野生未編譯的輪子可以統一下載到： /usr/local/src 下面。

• ./configure --prefix=/usr/local/src/xxx

• make
• make install

    安裝 tf 的過程還是採了不少坑，主要體現在野生輪子編譯 gg，總是莫名其妙的錯誤，後來發現公司鏡像有編譯好的輪子，真香。安裝完 tf 後，import 的過程中也踩了不少坑，經常爆出缺乏 xxxx.so 文件，似乎是路徑設置之類的問題，把 cuda lib64 下面所有的包放到 /lib64 下面了事。總之，黎明前的黑暗還要堅持堅持。

    最後看到 import 成功後，不要激動，萬一成功的是 cpu 版呢..........這是我最後採的那個坑。

    爲啥會踩坑，因爲第一次安裝 cuda 的時候選擇顯卡驅動，但是不知咋搞的，後來驅動失效了.......

    輸入下面的代碼，出現了 cpu 版，，，，這，，，，跑車愣是開到馬路上了，，，，1公里10個紅燈教你做人。

from tensorflow.python.client import device_lib
print(device_lib.list_local_devices())

    最後總結，無論配置什麼環境，要耐心仔細。只要功夫深，鐵杵磨成針。