在我们做深度学习的时候，需要高速大量的运算，这就对我们的设备要求较高。在服务器上运行代码就成了一个不错的选择，但是服务器与我们常用的Windows系统是不一样的，Windows系统是图形交互界面的，我们完成所有的工作只需要点点点就行了，但是服务器就不一样，服务器多数都是命令交互式的，我们需要输入一个命令，然后在去查看或者修改东西。

下面就是在服务器运行深度学习代码的一个基础环境搭建教程，基于TensorFlow的。

假设我们有一台安装了操作系统的全新服务器，那么我们需要采取几个步骤：

1.重装操作系统（可选）：

重装centos系统教程https://blog.csdn.net/qq_51570094/article/details/124133324 ;

2.安装显卡驱动（可选）：

显卡驱动安装教程https://blog.csdn.net/qq_51570094/article/details/123900837 ;

3.安装anaconda3（可选）：

anaconda3安装教程https://blog.csdn.net/qq_51570094/article/details/123903593 ;

4.安装GUDA和cudnn（可选）：

CUDA 和cudnn安装教程https://blog.csdn.net/qq_51570094/article/details/123902419 ;

5.安装TensorFlow-GPU：

今天我们着重讲解一下如何安装TensorFlow-GPU。

假设我们已将安装好了上面的基础环境，并进行验证。

查看显卡驱动是否安装成功：

nvidia-smi

有输出信息则说明显卡驱动安装成功。

查看anaconda3是否安装成功：

conda -V

输出conda的版本信息：

或者查看conda下安装了些什么包：

conda list

有输出信息也说明anaconda3安装成功。

查看cuda和cudnn是否安装成功：

可以看到cuda的安装版本是9.2.

下面开始安装TensorFlow-GPU

conda创建一个虚拟环境：

conda create -n  tf python=3.6

输入y，等待安装完成。

安装完成，激活环境：

conda activate tf

查看各TensorFlow-GPU版本与CUDA，cudnn版本的对应关系，选择合适的版本进行安装：

TensorFlow-GPU https://tensorflow.google.cn/install/source_windows?hl=en#gpu ;

安装TensorFlow-GPU版本，用conda安装：

conda install tensorflow-gpu==1.12.0

也可使用pip安装：调用的是国内镜像豆瓣源，后面的信息表示信任该网站。

pip install tensorflow-gpu==1.12.0 -i http://pypi.douban.com/simple --trusted-host pypi.douban.com

等待安装完成：

验证是否安装成功：

import tensorflow as tf
tf.test.is_gpu_available()

输出如下：

安装成功，并且可以调用GPU。

Original: https://blog.csdn.net/qq_51570094/article/details/124106174
Author: 嗨，紫玉灵神熊
Title: Linux服务器成功安装TensorFlow-GPU并成功调用GPU