系統資訊：

Ubantu18.04，GPU：Tesla P100

1. 使用Xshell 登入伺服器

2. 安裝nvidia驅動

根據伺服器nvidia資訊，下載對應版本的驅動（http://www.nvidia.com/Download/index.aspx?lang=en-us）

檢視nvidia資訊的命令

lspci | grep -i nvidia

將下載好的驅動檔案傳輸到伺服器資料夾下，依次輸入以下兩行命令，根據提示選擇accept和yes,安裝結束。

sudo apt-get install linux-headers-$(uname -r)
sudo sh NVIDIA*.run
 

3.安裝CUDA toolkit

官網下載CUDA toolkit對應版本（https://developer.nvidia.com/cuda-downloads），剛開始我選擇的是最新的cuda_10.0,但是TensorFlow-gpu等對應的版本還沒有，所以後面一直不成功。後來我選擇了比較成熟的cuda_9.0，下載的是runfile本地安裝。下載好同樣上傳到伺服器。（ps:雖然我的ubantu是18.04版本，但是這裡選16.04也不影響）

 根據官網的提示命令安裝，或者使用命令

sudo sh cuda*.run

當出現下圖所示情況時候，是CUDA的協議，按著enter往下走，一直到100%

接下來，輸入accept，yes,注意接下來的一定要選擇no,否則會出錯（具體為什麼出錯暫時不知道）。

出現這樣的字樣，安裝結束

注：如果第二行出現：toolkit installation failed using unsupported compiler，則將上文的安裝命令後面新增-override即可，即

sudo sh cuda*.run -override

最後，新增環境變數

sudo vi /etc/profile

在開啟的檔案最後新增cuda的地址

export PATH=/usr/local/cuda-9.0/bin:$PATH
export LD_LIBRARY_PATH=/usr/local/cuda-9.0/lib64:$LD_LIBRARY_PATH

儲存，退出，通過source命令使更改生效，並檢查CUDA是否安裝完成

source /etc/profile 使更改生效。
nvcc –V 檢查CUDA

4.  安裝CUDNN

官網下載和CUDA對應的版本（https://developer.nvidia.com/rdp/cudnn-download ），需要註冊。然後解壓檔案，一次執行以下命令

tar -xvzf cudnn-9.0-linux-x64-v7.1.tgz
cd cuda
sudo cp include/cudnn.h /usr/local/cuda/include
sudo cp lib64/libcudnn.* /usr/local/cuda/lib64

CUDNN安裝完成。

5. 安裝anaconda

在官網下載anaconda（https://www.continuum.io/downloads）。上傳到伺服器，使用如下命令安裝。

sudo sh Anaconda3-5.2.0-Linux-x86_64.sh

根據提示，如果出現是否新增環境變數選擇yes,如果選擇了no，可以之後手動新增，方法如下：

sudo vi ~/.bashrc

在最後新增：

export PATH=$PATH:/home/userName/anaconda3/bin:$PATH

儲存退出，使用source使命令生效。

source ~/.bashrc

所有這些都做好之後，記得關閉Xshell連線，重新連上才能conda資訊。

6.安裝TensorFlow-GPU

使用pip 命令,網速不好，耐心等待。也可以直接到官網先下載好，然後本地安裝（https://pypi.org/project/tensorflow-gpu/#files）

pip install tensorflow-gpu

測試：

import tensorflow as tf
hello = tf.constant('Hello, TensorFlow!')
sess = tf.Session()
print(sess.run(hello))

出現如下log資訊，則說明環境搭建ok.

7. 為伺服器新增普通使用者

sudo useradd -m -s /bin/bash userName
sudo passwd userName #為這個使用者設定密碼

刪除使用者

sudo userdel -r userName

備註：

伺服器環境搭建jupyter可以直觀的看到資料夾資訊，如何搭建請參看下面連結：

https://blog.csdn.net/u010420283/article/details/82871367。

參考網址：

https://blog.csdn.net/Star_code/article/details/76616958