记录从裸机到TensorFlow GPU版运行 的配置过程
实验室原来有一台装Ubuntu Server系统的服务器，安装有tensorflow，在使用过程中经常出现断网、死机、自动关机等毛病，忍无可忍，决定重装系统
- 配置如下：Dell工作站，Xeon-E5 2代 8线程处理器 x2，共32个逻辑核，quadro k4000 显卡 x1, 16 GB 内存，1TB 硬盘，双网卡。
- 打算安装 CentOS 7.4 1708 x64
一. CentOS的安装
教育网用户可从各个高校的镜像站下载CentOS 7，如清华大学开源软件镜像站
公网用户可选择阿里云镜像站、网易163镜像站下载
这里选择处于同一校园网的浙江大学开源镜像站 下载CentOS 7.4速度更快
- ISO格式光盘镜像文件位于/centos/7.4.1708/isos/x86_64/, 任何一个镜像站其目录格式都是相同的。目录下有五种类型的安装包镜像文件
CentOS-7-x86_64-DVD-1708.iso
标准安装光盘版。作者下载的是这个版本
CentOS-7-x86_64-NetInstall-1708.iso
网络安装与系统恢复盘
CentOS-7-x86_64-Everything-1708.iso
对完整版安装盘的软件进行补充，集成所有软件
CentOS-7-x86_64-LiveGNOME-1708.iso
CentOS-7-x86_64-LiveKDE-1708.iso
Gnome与KDE桌面版。live版相当于win pe，直接在光盘、u盘上加载到内存运行，但是无法安装
CentOS-7-x86_64-Minimal-1708.iso
最小安装版
二. CentOS系统的配置
配置网关(重新启动后无需再次配置)
blog.csdn.net/q_l_s/article/details/51762662
添加用户
www.cnblogs.com/irisrain/p/4324593.html
更新源配置
选择内网更新源
mirrors.zju.edu.cn
请删除/etc/yum.repos.d中的所有文件，然后在/etc/yum.repos.d目录中建立CentOS.repo文件，并填入下列内容
[base]
name=CentOS-$releasever - Base
baseurl=http://mirrors.zju.edu.cn/centos/$releasever/os/$basearch/
gpgcheck=1
gpgkey=file:///etc/pki/rpm-gpg/RPM-GPG-KEY-CentOS-7
[updates]
name=CentOS-$releasever - Updates
baseurl=http://mirrors.zju.edu.cn/centos/$releasever/updates/$basearch/
gpgcheck=1
gpgkey=file:///etc/pki/rpm-gpg/RPM-GPG-KEY-CentOS-7
[extras]
name=CentOS-$releasever - Extras
baseurl=http://mirrors.zju.edu.cn/centos/$releasever/extras/$basearch/
gpgcheck=1
gpgkey=file:///etc/pki/rpm-gpg/RPM-GPG-KEY-CentOS-7
yum命令大全
http://man.linuxde.net/yum
支持ntfs格式
由于重装系统前采用ntfs格式移动硬盘备份数据，而OS系统原声不支持ntfs，需要安装ntfs-3g
安装教程如下
jingyan.baidu.com/article/380abd0a6a99731d90192cc5.html
ntfs-3g下载地址
www.linuxfromscratch.org/blfs/view/svn/postlfs/ntfs-3g.html
由于我是通过ssh连接的，下载后需要通过sftp上传到服务器
三.Tensorflow及其环境的安装
CentOS 7 下图片查看工具 eog
pdf阅读器 evince
安装过程参考资料TensorFlow —— GPU版安装指南
Anaconda
https://www.cnblogs.com/willnote/p/6746499.html
在清华大学开源软件镜像站可以下载到对应操作系统与所需Python版本的Anaconda安装包
这里安装的是Python 3.5 版本。下载安装包后执行命令
$bash Anaconda3-4.3.1-Linux-x86_64.sh
通过$Python3.5 -V来验证安装
Nvidia显卡驱动安装
参考资料https://www.cnblogs.com/snake553/p/7159376.html
CUDA安装
NOTE:
通过cuda安装显卡驱动会碰到下列问题，加上--kernel-source-path后仍无法解决
The driver installation is unable to locate the kernel source
从CUDA官网上下载CUDA 8.0-Linux-64 （runfile），执行，不要再次安装显卡驱动
https://developer.nvidia.com/cuda-downloads
安装完成后，通过编译执行Sample中的deviceQuery程序来验证安装与查看设备情况。
\#cd .../NVIDIA_CUDA-8.0_Samples/1_Utilities/deviceQuery
\# make
\# ./deviceQuery
当输出显示Result = PASS时，说明CUDA安装成功且显卡支持
通过nvidia-smi查看显卡使用情况
Cudnn库
从https://developer.nvidia.com/rdp/cudnn-archive 下载对应版本的cuDNN库，需要注册。
我下载的cudnn-8.0-linux-x64-v6.tgz。通过命令
tar -xvf cudnn-8.0-linux-x64-v6.tgz
解压，将解压得到的所有文件复制到cuda的相应目录。注意到链接文件无法复制，需要重新创建。
\#rm -rf libcudnn.so libcudnn.so.6 #删除原有动态文件
\#ln -s libcudnn.so.6.0.21 libcudnn.so.6 #生成软衔接
\#ln -s libcudnn.so.6 libcudnn.so #生成软链接
TensorFlow安装配置
安装Anaconda时应该已经安装了pip，如有必要，请根据提示更新pip\pip3
直接通过pip从google下载TensorFlow非常的慢，强烈推荐采用国内镜像下载。可
通过清华大学开源软件镜像站-TensorFlow 镜像使用帮助获取相应的Tensorflow版本
pip3 install \
-i https://pypi.tuna.tsinghua.edu.cn/simple/ \
https://mirrors.tuna.tsinghua.edu.cn/tensorflow/linux/gpu/tensorflow_gpu-1.4.1-cp35-cp35m-linux_x86_64.whl
安装完成后，启动Python验证安装
\#python3.5
>>import tensorflow as tf
若无错误消息输出，基本上可认为安装成功
note:
清华大学开源软件镜像站-使用帮助https://mirrors.tuna.tsinghua.edu.cn/help/是个非常好的资源
