以titan rtx为例 在ubuntu server上部署cuda+cudnn+anaconda

之前经常自己搭anaconda，在linux和windows上搭过。上个月给实验室服务器搭环境供大家使用，想着总结一下吧，省得以后再到处找。。。

 

先装个ubuntu server 然后改网络配置

ubuntu server18把网络配置变了，网上也能查到  静态配置在

 /etc/netplan/50-cloud-init.yaml

配置好网络了，我们开始装显卡驱动

显卡驱动要去nvidia官网找最好

先禁用Nouveau驱动

sudo apt-get update

sudo gedit /etc/modprobe.d/blacklist.conf

在文件最下面添加：

blacklist nouveau

执行：

sudo update-initramfs -u

然后reboot，重启之后看看是否禁用成功

lsmod |grep nouv*  

去nvidia官网找到linux版本的驱动，下载下来的是.sh的文件，执行即可

安装好后用指令验证

nvidia-smi

去官网下载cuda对应版本，也是.sh文件，执行即可

安装的时候把driver选项去掉，因为我们已经装过驱动了

安装好后开始改环境变量：

~/.bashrc里添加

export PATH=/usr/local/cuda-10.1/bin:$PATH
export LD_LIBRARY_PATH=/usr/local/cuda-10.1/lib64:$LD_LIBRARY_PATH

然后保存，执行使其生效

source ~/.bashrc

cudnn需要找到对应cuda版本的去下载

解压后，进行一些复制操作（本质上跟windows差不多，替换一些cuda的文件）：

#在解压出来的路径中寻找对应文件夹
sudo cp /include/cudnn.h  /usr/local/cuda/include/
sudo cp lib*  /usr/local/cuda/lib64/
 
#设置权限
sudo chmod a+r /usr/local/cuda/include/cudnn.h 
sudo chmod a+r /usr/local/cuda/lib64/libcudnn*
 
#更新软链接
cd /usr/local/cuda/lib64/ 
sudo rm -rf libcudnn.so libcudnn.so.7   #注意版本号，可在cudnn的lib64文件夹中查看   
sudo ln -s libcudnn.so.7.6.2 libcudnn.so.7  #生成软衔接，也要注意版本号
sudo ln -s libcudnn.so.7 libcudnn.so
sudo ldconfig -v

nvcc -V测试即可

 

安装anaconda，在anaconda中新建环境，安装tensorflow，pytorch等

anaconda安装完也要修改环境变量

在base中安装了jupyter，在每个环境中安装ipykernel，然后：

/xxxx/envs/xxx/bin/python -m ipykernel install --name xxx

即可将该环境添加至jupyter的kernel中

jupyter的远程配置需要生成自己的密码的hash值，然后修改配置文件里的一系列配置即可

jupyter里面还有latex编译生成，这个坑以后再添