功能简介
云端使用的GPU云服务器，深度学习环境包括GPU驱动、CUDA、cuDNN和相关的AI框架等，在活动页购买的机器，腾讯云提供以下两种方式部署，您可以根据需要选择：
方式 | 创建后环境 | 可使用脚本部署的GPU环境/AI环境 | 执行命令 | |
|---|---|---|---|---|
活动页购买时默认安装GPU驱动 | 操作系统：Ubuntu 18.04，Cent OS 7.5，Cent OS 7.6 默认配置：CUDA11.2.2 cuDNN8.2.1 GPU驱动版本 460.106.00 | 【AI环境】tf2.8.0：TensorFlow 2.8.0 Miniconda OpenCV 4 Python 3.9.12 | wget https://gpu-related-scripts-1251783334.cos.ap-guangzhou.myzijiebao.com/gpu-auto-install/gpu_auto_install.sh && wget https://gpu-related-scripts-1251783334.cos.ap-guangzhou.myzijiebao.com/gpu-auto-install/tf2.8.0.txt && sudo bash ./gpu_auto_install.sh install --config_file=./tf2.8.0.txt && source /etc/*bashrc && source ${HOME}/.bashrc | |
【AI环境】pt1.9.1：Pytorch 1.9.1 torchvision0.10.0 Miniconda OpenCV 4 Python 3.8 | wget https://gpu-related-scripts-1251783334.cos.ap-guangzhou.myzijiebao.com/gpu-auto-install/gpu_auto_install.sh && wget https://gpu-related-scripts-1251783334.cos.ap-guangzhou.myzijiebao.com/gpu-auto-install/pt1.9.1.txt && sudo bash ./gpu_auto_install.sh install --config_file=./pt1.9.1.txt && source /etc/*bashrc && source ${HOME}/.bashrc | |||
重装系统后登录机器使用环境部署脚本安装 | 操作系统：Ubuntu 18.04，其他OS暂未验证 默认配置：无，可使用脚本部署安装 | 【AI环境】tf2.8.0_driver460_cuda11.2.2：TensorFlow 2.8.0 Miniconda OpenCV 4 Python 3.9.12 CUDA11.2.2 cuDNN8.2.1 GPU驱动版本 460.106.00 | wget https://gpu-related-scripts-1251783334.cos.ap-guangzhou.myzijiebao.com/gpu-auto-install/gpu_auto_install.sh && wget https://gpu-related-scripts-1251783334.cos.ap-guangzhou.myzijiebao.com/gpu-auto-install/tf2.8.0_driver460_cuda11.2.2.txt && sudo bash ./gpu_auto_install.sh install --config_file=./tf2.8.0_driver460_cuda11.2.2.txt && source /etc/*bashrc && source ${HOME}/.bashrc | |
【AI环境】pt1.9.1_driver470_cuda11.4.3：Pytorch 1.9.1 torchvision0.10.0 Miniconda OpenCV 4 Python 3.8 CUDA11.2.2 cuDNN8.2.1 GPU驱动版本 460.106.00 | wget https://gpu-related-scripts-1251783334.cos.ap-guangzhou.myzijiebao.com/gpu-auto-install/gpu_auto_install.sh && wget https://gpu-related-scripts-1251783334.cos.ap-guangzhou.myzijiebao.com/gpu-auto-install/pt1.9.1_driver470_cuda11.4.3.txt && sudo bash ./gpu_auto_install.sh install --config_file=./pt1.9.1_driver470_cuda11.4.3.txt && source /etc/*bashrc && source ${HOME}/.bashrc | |||
【GPU环境】driver460_cuda11.2.2：CUDA11.2.2 cuDNN8.2.1 GPU驱动版本 460.106.00 | wget https://gpu-related-scripts-1251783334.cos.ap-guangzhou.myzijiebao.com/gpu-auto-install/gpu_auto_install.sh && wget https://gpu-related-scripts-1251783334.cos.ap-guangzhou.myzijiebao.com/gpu-auto-install/driver460_cuda11.2.2.txt && sudo bash ./gpu_auto_install.sh install --config_file=./driver460_cuda11.2.2.txt && source /etc/*bashrc && source ${HOME}/.bashrc | |||
功能使用
活动页自动安装GPU驱动
活动页链接：https://cloud.tencent.com/act/pro/gpu-study 1、在活动页选择Linux镜像，会出现如下字样，支持GPU环境自动安装
*您需要等待GPU驱动、CUDA、cuDNN都安装完成后再执行TensorFlow和Pytorch AI环境部署脚本，大约耗时15分钟，AI环境将安装在Miniconda中。
在活动页购买时，Linux系统会默认安装相应版本GPU驱动、CUDA、cuDNN2、设置安全组策略，放通8888端口
（1）进入云服务器控制台，点击“安全组”-“规则预览”-“编辑规则”
编辑实例绑定的安全组规则（2）需要在“入站规则”和“出站规则”都添加8888端口放通策略
分别设置“入站规则”和“出站规则”（3）分别在“入站规则”和“出站规则”栏下点击“添加规则”，按照下图进行配置
完成8888端口放通3、登录机器后，大约需要10～15分钟进行安装，您可以用以下命令查看当前安装进程
代码语言：javascript复制ps aux | grep -i install安装顺序为（1）GPU驱动；（2）CUDA；（3）cuDNN
GPU驱动正在安装的进程
CUDA正在安装的进程
安装完毕后进程中没有NVIDIA-、cuda-、cudnn-等4、验证GPU驱动安装成功
代码语言：javascript复制nvidia-smi
GPU 驱动安装成功5、验证CUDA 安装成功
代码语言：javascript复制cat /usr/local/cuda/version.txt
输出CUDA版本号6、验证cuDNN安装成功
代码语言：javascript复制#使用如下命令找到cudnn_version.h路径
cat /usr/include/cudnn_version.h | grep CUDNN_MAJOR -A 2
#修改下述命令路径后可查看cuDNN版本
cat /usr/local/cuda-10.2/targets/x86_64-linux/include/cudnn_version.h | grep CUDNN_MAJOR -A 2
cuDNN 版本为8.2.1（可选）7、使用脚本部署Miniconda AI环境
如果您需要 TensorFlow 2.8.0，登录子机执行下列命令：
代码语言：javascript复制wget https://gpu-related-scripts-1251783334.cos.ap-guangzhou.myzijiebao.com/gpu-auto-install/gpu_auto_install.sh && wget https://gpu-related-scripts-1251783334.cos.ap-guangzhou.myzijiebao.com/gpu-auto-install/tf2.8.0.txt && sudo bash ./gpu_auto_install.sh install --config_file=./tf2.8.0.txt && source /etc/bash.bashrc && source ${HOME}/.bashrc如果您需要 Pytorch 1.9.1 ，登录子机执行下列命令：
代码语言：javascript复制wget https://gpu-related-scripts-1251783334.cos.ap-guangzhou.myzijiebao.com/gpu-auto-install/gpu_auto_install.sh && wget https://gpu-related-scripts-1251783334.cos.ap-guangzhou.myzijiebao.com/gpu-auto-install/pt1.9.1.txt && sudo bash ./gpu_auto_install.sh install --config_file=./pt1.9.1.txt && source /etc/bash.bashrc && source ${HOME}/.bashrc安装完成后可以看到JupyterNotebook访问链接，复制链接即可访问：
可以使用这个链接访问JupyterNotebook【说明】
*如果重启，token会更新，可使用jupyter notebook list查看token。
*如果希望使用密码登录jupyter notebook，可按如下步骤执行：
（1）执行sudo jupyter notebook password更改密码；
（2）执行sudo systemctl restart jupyter.service 重启jupyter notebook服务。
重装系统后使用环境部署脚本安装
1、进入控制台，重装系统
进入控制台，切换在活动页购买的可用区，找到实例列表->更多-> 重装系统：
实例列表->更多-> 重装系2、选择重装的操作系统为Ubuntu 18.04
AI环境配置脚本目前只验证Ubuntu 18.043、等待重装系统完成，大约耗时五分钟
4、登陆机器，执行部署脚本，执行后会开始AI环境的安装，耗时大约10～15分钟
代码语言：javascript复制可根据文章开头的表格选择您环境部署需要的命令。
wget https://gpu-related-scripts-1251783334.cos.ap-guangzhou.myzijiebao.com/gpu-auto-install/gpu_auto_install.sh && wget https://gpu-related-scripts-1251783334.cos.ap-guangzhou.myzijiebao.com/gpu-auto-install/tf2.8.0_driver460_cuda11.2.2.txt && sudo bash ./gpu_auto_install.sh install --config_file=./tf2.8.0_driver460_cuda11.2.2.txt && source /etc/bash.bashrc && source ${HOME}/.bashrc5、程序结束后会返回Jupyter Notebook的访问地址，您可以根据需要选择本地或者远程访问
请注意Jupyter Notebook链接的保密，使用此链接可直接使用您的算力资源6、如果您在使用过程中遇到问题，可以扫码加入微信群反馈
GPU 实验室用户交流群GPU 课程学习
在GPU服务器上搭建深度学习开发基础环境
- 课程介绍：https://cloud.tencent.com/edu/learning/quick-play/3648-63019
- GPU驱动确认：https://cloud.tencent.com/edu/learning/quick-play/3648-63020
- 常见深度学习框架安装：https://cloud.tencent.com/edu/learning/quick-play/3648-63021
- 开发环境和GPU调度确认：https://cloud.tencent.com/edu/learning/quick-play/3648-63022
- 课程总结：https://cloud.tencent.com/edu/learning/quick-play/3648-63023
