深度学习训练环境离线搭建：CentOS7 linux 服务器安装 tensorflow_gpu1.9、cuda9、cudnn7、anaconda3-4.3、python3.6

1 简述

    最近需要在 CentOS7 linux 服务器上配置深度学习的训练环境。

    那么，该怎么做呢？

    对于一台服务器，首先得实现连网，然后进行远程登陆。

    其次，搞清楚安装什么软件，如何安装，有哪些依赖项需要提前安装。

    最后，需要进行简单的测试验证是否成功安装。

    难点，一般公司的服务器可能不通外网，不能使用那些一键安装指令。

    基于服务器的配置（2cpu，8gpu），我选择 tensorflow-gpu1.9、cuda9、cudnn7、anaconda3-4.3、python3.6 构建整个深度学习的训练环境。

    接下去，我将逐步介绍主要的操作。

2 软件安装

2.1 实现服务器的远程连接

    具体参照我之前的博文win10 用 Cecure CRT 远程连接 CentOS7 linux报错：The remote system refused the connection.，主要配置 /etc/sysconfig/network-script 目录下的网卡配置文件。

2.2 安装 anaconda

    anaconda 用于方便地管理 python 三方库。

    下载镜像文件（sh文件），放到 /usr/local/src 文件夹下（你也可以选择其他文件夹）。

 

    使用 bash 指令安装 sh 文件：

• 询问是否接受协议（输入q，迅速跳过文字），输入yes
• 询问安装路径，输入/opt/anaconda3
• 询问路径.bashrc（yes表示当前用户有效），输入no

    设置环境变量：

• 输入 vim/etc/profile
• 编辑文件，输入：

export ANACONDA_HOME=‘/opt/anaconda3’（安装路径）

export PATH=$ANACONDA_HOME/bin:$PATH 

    验证是否成功安装：终端输入 python，出现以下显示即为成功安装：

 

            

 

 

2.3 安装显卡驱动

    有两种方法可以安装，一种是安装 cuda 的时候选择安装显卡驱动，一种是直接到官网下载安装（驱动下载网址：http://www.nvidia.cn/Download/index.aspx?lang=cn）。我用第一种方法安装后，显示安装成功，但是 tensorflow 找不到 GPU，后来索性到官网下载驱动安装。但是官网下载驱动吧，也是贼鸡儿坑，每秒几 k 的下载速度不说，还老是中断，中断了就得重新下。一怒之下，到 CSDN 的下载区域下了个版本不匹配的，索性能用。此处 CSDN 值得表扬。

    下载前，先输入以下，查看自己用啥显卡。

lspci | grep -i NVIDIA

 

    然后屏蔽 nouveau 模块：

• vi /usr/lib/modprobe.d/dist-blacklist.conf
• 将nvidiafb注释掉，#blacklist nvidiafb
• 然后添加以下语句：
• 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)

    最后检查是否屏蔽成功 ：

    输入：lsmod | grep nouveau，无输出表示屏蔽成功。

2.4 安装 CUDA

    cuda 9.2 版本是个坑，没有对应的 tf 版本可以用，下载 9.0 版本就蛮好。

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

    安装：

   sh 指令安装

安装位置：推荐 /usr/local/cuda

• 接受协议
• opengl：no
• x configuration：no
• tookit：yes
• symbolic：yes
• samples:yes

安装完显示：

修改环境变量：

• 输入：vim  ~/.bash_profile

• 在export下方输入：

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

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

• 运行文件，输入：source ~/.bash_profile

检查是否成功安装，输入：nvidia-smi，显示：

输入：nvcc --version，显示：

 

 

2.5 安装 cudnn

    cudnn 是个加速包，没这个 gpu 版的 tf 还是不能跑。

    下载链接：https://developer.nvidia.com/rdp/cudnn-archive#a-collapse742-92

    需要注册，才能下载。推荐放置目录：/usr/local/src

    安装：

• 解压文件，输入：tar xvf cudnn-9.2-linux-x64-v7.6.4.38.tgz
• 解压的文件在cuda目录（解压时候自己创建的/usr/local/src/cuda）下面
• 复制到/usr/local/cuda目录：
• cp /usr/local/src/cuda/include/* /usr/local/cuda/include
• cp /usr/local/src/cuda/lib64/*   /usr/local/cuda/lib64

2.6 安装 tensorflow-gpu

    安装 tf-gpu 版需要一些依赖包。安装过程提醒缺啥手动补齐。

    一些依赖包有编译好的轮子，那就直接用，把轮子里面 lib 路径下的东西放到你安装的 anaconda 目录下，anaconda3/lib/python3.6/site-packages。装完 conda list 显示的还是旧版本，pip show xxx，才是新的版本。

    野生未编译的轮子可以统一下载到： /usr/local/src 下面。

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

• make
• make install

    安装 tf 的过程还是采了不少坑，主要体现在野生轮子编译 gg，总是莫名其妙的错误，后来发现公司镜像有编译好的轮子，真香。安装完 tf 后，import 的过程中也踩了不少坑，经常爆出缺乏 xxxx.so 文件，似乎是路径设置之类的问题，把 cuda lib64 下面所有的包放到 /lib64 下面了事。总之，黎明前的黑暗还要坚持坚持。

    最后看到 import 成功后，不要激动，万一成功的是 cpu 版呢..........这是我最后采的那个坑。

    为啥会踩坑，因为第一次安装 cuda 的时候选择显卡驱动，但是不知咋搞的，后来驱动失效了.......

    输入下面的代码，出现了 cpu 版，，，，这，，，，跑车愣是开到马路上了，，，，1公里10个红灯教你做人。

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

    最后总结，无论配置什么环境，要耐心仔细。只要功夫深，铁杵磨成针。