撸某度平台GPU AI

配置环境：
1. AIstudio平台环境：

CPU 8 core
RAM 32GB
GPU v100
Video RAM 16GB
Disk 100GB
OS Ubuntu 16.04 LTS
NVIDIA GPU Card Driver 9.0.176

2. Tensorflow环境：

Python 3.6.10 (注：AiStudio 默认的版本可能是3.7，所以需要新建虚拟环境)
Tensorflow 1.9.0 (tensorflow_gpu-1.9.0-cp36-cp36m-manylinux1_x86_64.whl)
cudnn 9.2, v7.6.5.32.tgz
cuda 9.0.176

3. 步骤：
一、准备相关的下载文件，其中包括，

wget cuda_9.0.176.xxxx.run
wget cudnn-9.2-linux-x64-v7.6.5.32.tgz
wget tensorflow_gpu-1.9.0-cp36-cp36m-manylinux1_x86_64.whl

二、静默安装cuda9.0

sh cuda_9.0.176_linux-run --silent --toolkit --toolkitpath=$HOME/cuda-9.0

三、解压cudnn9.2，并拷贝相关的库文件到cuda9.0

tar -zxvf cudnn-9.2-xxxxxxxx.tgz
cp cuda/include/cudnn.h ~/cuda-9.0/include/
cp cuda/lib64/libcudnn* ~/cuda-9.0/lib64/

四、建立脚本文件

envm其中内容为：

export PATH=$HOME/cuda_9.0/bin:$PATH
export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:$HOME/cuda_9.0/lib64
export CUDA_HOME=$HOME/cuda_9.0

envn_setting.sh,其内容为：

#!bin/bash
chmod a+r ~/cuda_9.0/include/cudnn.h
chmod a+r ~/cuda_9.0/lib64/libcudnn*
source ~/envm
pip install ~/tensorflow_gpu-1.9.0-cp36-cp36m-manylinux1_x86_64.whl
注：步骤一到四，只需要运行一次即可。
五、建立虚拟Python3.6环境，并激活

conda create -n env_name python=3.6
source activate env_name

六、运行脚本

source ~/envn_setting.sh

注：步骤五和六，需要每次重启后再次运行。至此全部的步骤完成。顺利的话可以欢快的撸平台了。
注：由于AiStudio平台版本的限制，请严格遵循上面的版本信息，否则可能造成TensorFlow不可用，或者GPU不可用。其他cuda和对应的TensorFlow版本，需要在AiStudio上做进一步测试，目前待定。
注：根据不同的应用需求，可以还需要在虚拟环境中单独的安装一些库，比如运行VGG16可能还需要安装：

pip install matplotlib
pip install h5py
pip install pillow
pip install scipy

【撸某度平台GPU】=========================我是分割线===========================
一些必要的Linux命令
查看系统：head -n 1 /etc/issue
查看GPU资源：nvidia-smi
查看GPU版本：nvcc -V
查看python和pip版本：python -V,pip -V
查看tensorflow版本和GPU是否可以用的python脚本：
import tensorflow as tf
tensorflow_version = tf.__version__
gpu_available = tf.test.is_gpu_available()
print("tensorflow version:", tensorflow_version, "\tGPU available:", gpu_available)
最后，小撸怡情，樯橹灰飞烟灭。共勉~