之前向公司申请购买了一块英伟达GeforceRTX2060，但是有时候同时有多个训练思路想要试验，一块GPU的效率就比较低了。但是再买一块的成本过高，所以经过考量，决定租云服务器来训练模型。

  对比华为云和阿里云，华为云之前的m60系列都显示已经售罄，该系列的收费相对便宜，但是已经租不到了，剩下的都是p100的，或者更高的配置，而阿里云上最便宜的是搭载英伟达teslap4的GPU服务器，8.68元/时。

  下面就基于这款服务器来介绍GPU服务器租赁过程和深度学习环境安装过程。（说明：由于该款服务器并没有使用本地存储，只会使用云盘，所以停机后，只会针对云盘收费。这是有别于抢占式实例的地方，抢占式实例即使不用本地磁盘，停机后也继续收费的，除非释放掉当前服务器）

  选好服务器后，接下来选择镜像，也就是操作系统，我选择的是ubuntu16.0464位，因为18.04不支持自动安装GPU驱动，结果因为版本比较低的问题，不得不重新卸载CUDA和GPU驱动，然后再安装更高的版本。

  不过，如果你也选择了自动安装，也不用担心，因为只要卸载重装高版本的CUDA和驱动就可以了，下面是卸载脚本：

--依次执行下面3个命令`sudo apt-get remove cudasudo apt-get autocleansudo apt-get remove cuda    --切换到/usr/local目录cd /usr/local/    --删除cuda目录，因为该目录是指向cuda-9.1目录的软链接sudo rm -rf cuda    --删除cuda-9.1目录sudo rm -r cuda-9.1    --使用命令查找系统中还存在cuda-9.1的地方，依次删除列出的文件sudo find / -name cuda-9    --再次执行下面3个命令sudo apt-get remove cudasudo apt-get autocleansudo apt-get remove cuda*    `--现在可以装cuda其他版本了。

sudo apt-get --purge remove nvidia-*

  接下来选择存储，我选择的是高效云盘，40GB，因为对我来说够用了。后面就是配置网络、帐号等，根据自己的需要配就行了。

  之后，服务器会自动创建实例，如果你选择了自动安装CUDA，那么可以通过top命令查看到apt-get等命令在运行，大概15分钟后，CUDA和GPU驱动就会装好了，但是并不会安装CUDNN。

  到了这一步后，我开始尝试部署程序，并运行，但是显然，向我上面说的那样，报错了，原因是CUDA的版本和tensorflow版本不兼容。于是按照上面的方法卸载了CUDA，开始下载10.0的CUDA，因为我用的tensorflow1.13.0，该tensorflow版本只支持CUDA10.0。

  所以，需要下载对应的CUDA，步骤如下：

地址：https://developer.nvidia.com/cuda-downloads

sudo sh cuda_10.0.130_410.48_linux.run  --no-opengl-libs （据说不加--no-opengl-libs这个选项会进入循环登录，所以还是加上吧）`接下来很重要的地方是在提示是否安装显卡驱动时，一定选择 no(之前安装过对应显卡版本的驱动)`其他各项提示选择是，并默认安装路径即可。提示有 y 的输入 y，没有则按 enter 键。安装完毕。

--打开文件`vim ~/.bashrc--尾部加入如下内容：export PATH=/usr/local/cuda-10.0/bin:$PATHexport LD_LIBRARY_PATH=/usr/local/cuda-10.0/lib64:$LD_LIBRARY_PATH--保存退出，并输入下面指令使环境变量立刻生效：`source ~/.bashrc

cd /usr/local/cuda/samples/1_Utilities/deviceQuery`sudo make./deviceQuery最后输出提示通过即可。`

  在验证环节，我遇到了fail的提示，原因是因为GPU的驱动版本过低，要410以上的才可以，于是我按照本问开头介绍的方法卸载了GPU驱动，然后开始安装对应的版本：

  访问官网地址：

  点击搜索，进入下载页面，下载即可。

--赋执行权限`sudo chmod +x NVIDIA-Linux-x86_64-410.104.run--关闭x window界面sudo service lightdm stop--安装,指定不安装OpenGL文件sudo ./NVIDIA-Linux-x86_64-410.104.run  --no-opengl-files`

nvidia-smi`如能看到GPU信息，则安装成功。`

sudo service lightdm start

sudo reboot

  此时，再次验证CUDA是否安装成功，结果会提示通过。接下来需要安装CUDNN，版本选择支持CUDA10.0的，这里我选的是7.4.2.24：

  官网地址：需要注册后才能下载。我下载的是deb文件，总共有三个

2.3.2. Installing from a Debian File`1. Navigate to your  directory containing cuDNN Debian file.2. Install the runtime library, for example:sudo dpkg -i libcudnn7_7.4.2.24-1+cuda10.0_amd64.deb3. Install the developer library, for example:sudo dpkg -i libcudnn7-dev_7.4.2.24-1+cuda10.0_amd64.deb4. Install the code samples and the cuDNN Library User Guide, for example:sudo dpkg -i libcudnn7-doc_7.4.2.24-1+cuda10.0_amd64.deb2.4. VerifyingTo verify that cuDNN is installed and is running properly, compile the mnistCUDNN sample located in the /usr/src/cudnn_samples_v7 directory in the debian file.1. Copy the cuDNN sample to a writable path.$cp -r /usr/src/cudnn_samples_v7/ $HOME2. Go to the writable path.$ cd  $HOME/cudnn_samples_v7/mnistCUDNN3. Compile the mnistCUDNN sample.$make clean && make4. Run the mnistCUDNN sample.$ ./mnistCUDNNIf cuDNN is properly installed and running on your Linux system, you will see a message similar to the following:Test passed!`

  以上内容来自官方的安装指南：

  #installlinux-deb

  因为还是很容易看懂的，所以就没翻译了。

  到此GPU相关的环境就安装完成了，但是在命令行输入python，会发现，用的版本是python2，输入python3会发现，用的是python3.5。由于现在一般都是用Anaconda3，所以我又安装了Anaconda3。

  关于Anaconda3在阿里云GPU服务器上的安装过程，会在下一篇文章《》里介绍。

  另外补充一点，阿里云GPU服务器停机后，再想开机时，有时候会出现库存不足的提示，需要换服务器所在区，如果事先没有做快照，就要重新装环境了，所以建议做每日快照。而且租阿里云GPU并不便宜，所以如果你要经常做深度学习训练，还是建议购买显卡自己搭建本地环境。

  ok，本篇就这么多内容啦~，感谢阅读O(∩_∩)O，88~

  为您推荐