亂花漸欲迷人眼，淺草才能沒馬蹄
購買了AWS GPU來跑深度學習代碼，簡單配置了服務器環境，筆者本地環境為win7 x64，所購買服務器環境為ubuntu6、python3，下面記錄安裝步驟CUDA8、cuDNN、tensroflow-gpu1.3
如有問題，歡迎拍磚
操作開始前，讀者可以從這里下載我們所需要的安裝包，請戳我 密碼為：j8um
賬號
有了aws 服務器賬號密碼后，對應也有收到秘鑰文件，ssh登陸使用，我們下載安裝PuTTY，使用 PuTTYgen 轉換私有密鑰，可以[參考這里]，將生成PuTTY 可以使用的格式保存的密鑰--.ppk結尾(https://docs.amazonaws.cn/AWSEC2/latest/UserGuide/putty.html)
PuTTYgen操作.png
然后啟動PuTTY，紅色箭頭地方寫入對應域名
host.png
下圖紅色部分導入上一步生成的.ppk文件
Auth.png
- 以上操作完成，點擊open 會打開服務器端，輸入賬號密碼登陸即可
- 可使用WinSCP 進行windows與服務器文件的傳輸，速度還是很給力的，也可以在本鏈接參考詳細步驟
登陸后下面開始安裝環境
1. 更新apt-get源列列表
sudo apt-get update
sudo apt-get upgrade
2. 添加驅動源
sudo add-apt-repository ppa:graphics-drivers/ppa
sudo apt-get update
3. 安裝Nvidia驅動
sudo apt-get install nvidia-367
sudo apt-get install mesa-common-dev
sudo apt-get install freeglut3-dev
第四步使用紅色標注的方式安裝CUDA8.0，根據自己環境修改對應文件路徑
step4.png
5. 更改配置文件
vim ~/.bashrc
添加
export PATH=/usr/local/cuda-8.0/bin:$PATH
export LD_LIBRARY_PATH=/usr/local/cuda-8.0/lib64:$LD_LIBRARY_PATH
保存
安裝完成后我們使用如下方式驗證下：
// samples備份，以防破壞
cd /usr/local/cuda/samples/1_Utilities/deviceQuery
sudo make
./deviceQuery
CUDA8驗證.png
6. 下載安裝CUDNN
如果要使用gpu來對tensorflow進行加速，除了安裝CUDA以外，cuDNN也是必須要安裝的
這個安裝包，文初云盤鏈接里面已包含
wget http://developer.download.nvidia.com/compute/redist/cudnn/v6.0/cudnn-8.0-
linux-x64-v6.0-rc.tgz
mkdir cuda
mv cudnn-8.0-linux-x64-v6.0-rc.tgz cuda/
cd cuda/
gunzip cudnn-8.0-linux-x64-v6.0-rc.tgz
tar xvf cudnn-8.0-linux-x64-v6.0-rc.tar
cd cuda/
cd ..
sudo cp cuda/include/cudnn.h /usr/local/cuda/include
sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64/ -d
sudo chmod a+r /usr/local/cuda/include/cudnn.h
sudo chmod a+r /usr/local/cuda/lib64/libcudnn*
7.配置python3環境變量，可參考這里，筆者使用如下方式進行配置
echo alias python=python3 >> ~/.bashrc
source ~/.bashrc
8.安裝tensorflow-gpu 1.3，讀者可以從這里下載已上傳至云盤
pip3 install tensorflow_gpu-1.3.0rc0-cp35-cp35m-manylinux1_x86_64
安裝完成后，命令行輸入：python ，執行下面操作，查看tf版本號
import tensroflow as tf
tf.__version__
至此，服務器上深度學習環境配置完畢。
