手把手教你在远程RedHat服务器上安装GPU版的tensorf

本文参考了文章安装gpu版的tensorflow，作者是一个很优秀上进的女孩，博客文章质量也很高。之所以还要写这篇文章有三个原因，一是原文是在Ubuntu上安装的，而我是在RedHat上安装，细节上有不同之处；二是原文是本地安装，而我是远程安装；三是想要更加详细地梳理出每一步的作用。

假设我们现在已经远程登录了RedHat服务器，准备安装tensorflow了。

一、为什么要安装cuda

我们需要明白，安装GPU版的tensorflow，其实就是让tensorflow能够利用GPU进行计算。目前，tensorflow主要支持利用Nvida的GPU进行计算，为什么主要支持Nvida的GPU呢？因为Nvida针对自家GPU开发了一套SDK，大大方便了利用它家的GPU进行通用的计算，这套SDK就是cuda。毫无疑问，tensorflow也主要是通过cuda利用GPU进行计算的。所以我们要先安装cuda，tensorflow规定，cuda的版本不能低于7.0，一般情况下，安装8.0版本的cuda就很好了。

二、检查你的机器能不能安装cuda

1、首先看看你的GPU是不是Nvida家出

因为cuda是Nvida专为自己家的GPU开发的SDK，所以我们必须确保我们的机器上的显卡是Nvida的，检查命令比较简单：

lspci | grep -i nvidia

如果输出中有内容，说明我们的显卡是Nvida的。

2、看看你的Linux版本是否支持cuda

因为cuda是与操作系统，gcc版本和c运行库紧密结合在一起的，所以，我们要先检查一下我们的Linux版本是否支持cuda，对于cuda8.0而言，下图中就是它对系统的要求：

cudaandlinux.PNG

一般来讲，常用的linux发行版都是可以支持cuda的，不过最好还是对照上面的图检查一下，以防万一。

二、如何安装cuda

应该说，这一步是最难的，因为不同的操作系统安装方法是不一样的，下面我们一步一步来。

1、关掉服务器上的X-server

当前Navida显卡已经有一个开源驱动在运行，必须将它停止，因为cuda中已包含有显卡驱动，为停止开源驱动，我们首先需要关闭开源驱动的X-server。关闭的方法并不统一，我们的是远程连接的服务器，关闭方法是：
sudo init 3
注意，不同的linux版本关闭X-server的方法是不一样的！
在你的机器上如何关闭X-server，请查看相关文档。

2、关闭开源驱动

关闭的X-server后，我们就可以放心地关闭开源驱动了。注意：关闭开源驱动的方法同样是因机器而异的，所以不要盲目地试用网上查找到的关闭开源驱动的命令，最权威的方法在Navdia官网上，请到这里查看你的机器如何关闭开源驱动：
不同机器关闭开源驱动的方法
我的机器是redhat，关闭方法是这样的，首先，创建文件：
/etc/modprobe.d/blacklist-nouveau.conf
里面的内容写：
blacklist nouveau
options nouveau modeset=0
然后，执行命令：
sudo dracut --force

3、安装cuda

第一步就是下载cuda，下载完成后，会得到一个cuda_X.X.XX_linux.run的文件，X表示版本号。
第二步就是为这个文件添加执行权限
chmod u+x cuda_X.X.XX_linux.run
第三步就是执行这个文件：
sudo ./cuda_X.X.XX_linux.run
文件执行开始时会有license说明，直接按q键即可退出，接着输入accept协议，然后按y键选择安装驱动程序。
然后按y键选择cuda安装路径，一般用默认的就行了。
然后按n键不选择安装cuda samples，如果你选择y也没有关系。
注意：当安装过程中询问你是否安装opengl时，要选择No，因为可能有兼容性问题。当询问你是否运行Nvidia x-config时，一定要选择yes！

4、安装cudnn

首先，到这里注册一个账号，就可以下载cudnn了。下载后，将它解压到cuda的安装目录即可。
比如，如果cuda安装目录是 /usr/local/cuda-8.0
那么就把cudnn解压到 /usr/local

5、安装Tensorflow

最后一步，安装tensorflow，首先要到官网上下载预编译好的tensorflow的whl包。注意下载的版本要和服务器上的python版本一致。
然后，cd到whl包所在的目录，执行
pip install XXX.whl
XXX代表tensorflow的whl包名。

如果顺利，就一切OK了！

如果大家在安装过程中有什么问题，欢迎留言交流！