乱花渐欲迷人眼，浅草才能没马蹄
购买了AWS GPU来跑深度学习代码，简单配置了服务器环境，笔者本地环境为win7 x64，所购买服务器环境为ubuntu6、python3，下面记录安装步骤CUDA8、cuDNN、tensroflow-gpu1.3
如有问题，欢迎拍砖
操作开始前，读者可以从这里下载我们所需要的安装包，请戳我 密码为：j8um
账号
有了aws 服务器账号密码后，对应也有收到秘钥文件，ssh登陆使用，我们下载安装PuTTY，使用 PuTTYgen 转换私有密钥，可以[参考这里]，将生成PuTTY 可以使用的格式保存的密钥--.ppk结尾(https://docs.amazonaws.cn/AWSEC2/latest/UserGuide/putty.html)
PuTTYgen操作.png
然后启动PuTTY，红色箭头地方写入对应域名
host.png
下图红色部分导入上一步生成的.ppk文件
Auth.png
- 以上操作完成，点击open 会打开服务器端，输入账号密码登陆即可
- 可使用WinSCP 进行windows与服务器文件的传输，速度还是很给力的，也可以在本链接参考详细步骤
登陆后下面开始安装环境
1. 更新apt-get源列列表
sudo apt-get update
sudo apt-get upgrade
2. 添加驱动源
sudo add-apt-repository ppa:graphics-drivers/ppa
sudo apt-get update
3. 安装Nvidia驱动
sudo apt-get install nvidia-367
sudo apt-get install mesa-common-dev
sudo apt-get install freeglut3-dev
第四步使用红色标注的方式安装CUDA8.0，根据自己环境修改对应文件路径
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
安装完成后我们使用如下方式验证下：
// samples备份，以防破坏
cd /usr/local/cuda/samples/1_Utilities/deviceQuery
sudo make
./deviceQuery
CUDA8验证.png
6. 下载安装CUDNN
如果要使用gpu来对tensorflow进行加速，除了安装CUDA以外，cuDNN也是必须要安装的
这个安装包，文初云盘链接里面已包含
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环境变量，可参考这里，笔者使用如下方式进行配置
echo alias python=python3 >> ~/.bashrc
source ~/.bashrc
8.安装tensorflow-gpu 1.3，读者可以从这里下载已上传至云盘
pip3 install tensorflow_gpu-1.3.0rc0-cp35-cp35m-manylinux1_x86_64
安装完成后，命令行输入：python ，执行下面操作，查看tf版本号
import tensroflow as tf
tf.__version__
至此，服务器上深度学习环境配置完毕。
