全新Ubuntu服务器配置

序

最近购买了一台新的服务器，为了方便我们的实验，需要对服务器进行配置。本文记录了从空白服务器安装ubuntu服务器版本的全过程。仅供您参考。

在开始本教程之前，我们需要解释一些事情。由于我们购买的是 Supermicro X11 主板，并且所处环境比较特殊，所以有几件事需要提前说明。有两点需要注意：1.安装ubuntu服务器版时，记得在下载源处更改国内源（建议使用清华源），并使用不需要认证的网线，否则安装会报错！2.服务器使用F11键进入启动盘或BIOS配置界面。

（本文档只针对ubuntu-server版本的安装）

Anaconda

安装

在非GUI界面我们使用命令行安装Anaconda3。

由于其服务器在国外，使用Anaconda3原网站下载程序会比较慢。使用国内源下载，先找到镜像，选择需要的版本。

清华源：https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/

选择2021.11发布的64位版本。

Anaconda3-2021.11-Linux-x86_64.sh

对下载的文件进行sha256sum验证。（可跳过）

对应的hash可以在Anaconda 官方文档中找到.

如图sha256验证，fedf9e340039557f7b5e8a8a86affa9d299f5e9820144bd7b92ae9f7ee08ac60

启动安装程序，bash后面跟着下载的文件脚本，会出现如下界面。

按ENTER键阅读协议，阅读后提示是否接受协议。

输入yes同意协议条款

Anaconda3 will now be installed into this location:
/home/linuxize/anaconda3

    - Press ENTER to confirm the location
    - Press CTRL-C to abort the installation
- Or specify a different location below

同意后会出现安装提示。可以选择直接回车安装默认目录，也可以自己指定安装路径。一般默认安装就够了。安装完成后等待提示。

Installation finished.
Do you wish the installer to initialize Anaconda3
by running conda init? [yes|no]

同意后，程序会将命令行工具conda添加到系统的PATH环境变量中。

要激活 Anaconda，您可以通过在当前 shell 会话中输入以下命令来关闭并重新打开 shell 或重新加载 PATH 环境变量：

source ~/.bashrc

Anaconda3 安装完毕。

更新

conda update –all

你可以在未来使用说明更新您的 Anaconda3。

卸载

如果要从 Ubuntu 系统中卸载 Anaconda，请删除 Anaconda 安装目录和安装过程中创建的其他文件：

rm -rf ~/anaconda3 ~/.condarc ~/.conda ~/.continuum

删除文件夹后，可以继续清理 .bashrc 中的Anaconda路径：

sudo gedit ~/.bashrc

在.bashrc文件的最后，用#号注释掉之前添加的路径（或者直接删除）：

#export PATH=/home/lq/anaconda3/bin:$PATH

保存并关闭文件。

要使其立即生效，请在终端中执行：

source ~/.bashrc

关闭终端，然后重启一个新的终端，这一步很重要，否则 anaconda3 还是会绑定到原来的终端上。

NVIDIA驱动

Software and hardware information
Operating System：Ubuntu20.04
Graphics Processor：GeForce RTX 3090

根据显卡型号3090, 到 NVIDIA官方网站下载相应的驱动程序。这里选择的配置如下，选择的是470.94版本。

通过下载按钮找到对应文件的下载链接。

由于没有用于连接远程服务器的 GUI，这里是在其他计算机上找到它。获取 URL 后，使用 wget 下载远程服务器中的文件。

这里得到的链接如下, 你可以使用 wget 下载它。

（由于服务器端直接配置，所以没有截图）

1 卸载NVIDIA驱动

sudo apt-get remove –purge nvidia*

2 进入计算机的 BIOS 并将 Security Boot 设置为 Disabled

如果没有禁用安全启动，可能会导致 Nvidia 驱动程序安装不正确。

3 进入计算机的 BIOS 并将 Security Boot 设置为 Disabled

事实上，ubuntu 使用的是开源的 nouveau 驱动作为 NVIDIA 图形处理器的驱动，需要禁用。

打开配置文件进行编辑：

sudo vim /etc/modprobe.d/blacklist.conf

4 在最后一行添加：

blacklist nouveau

这个是用来禁用 nouveau 驱动的，以后不用改回来。

5 由于nouveau是内置在内核中的，所以执行如下命令生效：

sudo update-initramfs -u

6 重启

Reboot

7 重启后可以看到nouveau是否在运行：

lsmod | grep nouveau

无输出表示禁用已生效。

8 给驱动文件添加可执行权限：

sudo chmod a+x NVIDIA-Linux-x86_64-460.32.03.run

9 运行 NVIDIA-Driver 前，必须安装 gcc、g++、make 等编译环境

Sudo apt install gcc
Sudo apt install g++
Sudo apt install make

10 安装

sudo sh ./NVIDIA-Linux-x86_64-460.32.03.run –no-x-check –no-nouveau-check –no-opengl-files

然后按照安装说明完成。

安装完成后重启，使用nvidia-smi验证是否安装成功。

安装CUDA

安装

(如果先安装了NVIDIA-DRIVER，可以注意是否安装了CUDA。如果在 /usr/local 下输入命令 stat cuda 显示 CUDA 已安装，则可以跳过安装 CUDA 或按照以下教程安装多个版本的 CUDA。)

在下载 CUDA 之前，您需要匹配您的图形处理器的计算能力。下图是对应算力图形处理器版本和CUDA版本的对应表。请在官方网站查看最新版本。

为了对应之前配置的服务器，这里选择CUDA 11.4.0版本。

检查该版本 CUDA 在官网的下载链接，并且并根据您的服务器配置进行选择。

这里选择runfile类型的安装文件，以便以后设置各个cuda的安装路径。

得到的安装指令如下，输入相应的 CUDA 安装指令。

wget https://developer.download.nvidia.com/compute/cuda/11.4.0/local_installers/cuda_11.4.0_470.42.01_linux.run

安装相关依赖，否则可能会报错，否则会出现 缺少相关库 的错误。

sudo apt-get install freeglut3-dev build-essential libx11-dev libxmu-dev libxi-dev libgl1-mesa-glx libglu1-mesa libglu1-mesa-dev

开始运行安装 cuda 程序。

sudo sh cuda_11.4.0_470.42.01_linux.run

接受上述协议： accept。

由于已经安装了NVIDIA驱动，取消驱动安装，检查安装。

由于之前已经安装了10.1版本的CUDA，如果需要使用新的CUDA版本，选择Yes，会将CUDA软链接指向最新的11.4版本，否则只会安装一个CUDA版本，可以重置软链接，稍后链接自己需要的CUDA版本，等待安装，需要一定的时间。

===========
= Summary =
===========

Driver:   Not Selected
Toolkit:  Installed in /usr/local/cuda-11.4/
Samples:  Installed in /home/rtx-3090/

出现如上的提示信息即表示安装完成，但记得查看提示信息中是否还有其他警告。

最后需要配置CUDA相关的环境变量。

vim ~/.bashrc

#在文件末尾添加如下条目。

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

注意：安装过程中注意cuda符号链接的选择（第一次安装选择y，其他版本选择n）

CUDA版本切换

可以使用stat命令查看当前cuda软链接指向哪个cuda版本，如下：

可以看出cuda文件类型是符号链接，指向的目录是/usr/local/cuda-11.4。当我们要使用cuda-10.1版本的时候，只需要删除软链接，然后重新建立指向cuda-10.1版本的软链接就足够了（注意名字还是cuda，因为它应与 bashrc 文件中的设置一致）。

sudo rm -rf cuda
sudo ln -s /usr/local/cuda-10.1 /usr/local/cuda

如果要切换到其他版本的cuda，只需要在创建软链接时更改cuda的正确路径即可。

安装cuDNN

下载CUDA对应的cuDNN。这里选择下载CUDA11.4的8.2.4版本（下载前需要登录注册）。

由于需要注册，所以直接在其他电脑上下载后使用WinSCP将文件传输到服务器。

如果存档不是 .tgz 格式，请将存档重命名为 .tgz 格式。

sudo tar -zvxf cudnn-11.4*.tar.gz

将当前包解压为.tgz格式，解压后的文件夹名为cuda，文件夹包含两个文件夹：一个是include，一个是lib64。

将相关文件复制到CUDA路径，同时提升文件权限。

然后在/usr/local下重新建立cuda软链接。

cd /usr/local
sudo rm -rf cuda
sudo ln -s cuda-11.1 cuda

新版本查看cuDNN的方法。

cat /usr/local/cuda/include/cudnn_version.h | grep CUDNN_MAJOR -A 2

如果显示以上信息，则安装成功。

也可以使用 torch.cuda.is_available() 在深度学习环境中进行测试

其他问题

问题：服务器ssh一段时间后自动中断，无法再次连接。必须重新启动服务器。原因是服务器设置为自动挂起。

（注意这里只适用于ubuntu服务器，不需要图形界面，也不需要对图形界面进行特殊考虑和验证！依赖图形操作界面的读者慎用！）

输入命令：

systemctl status sleep.target

加载后可以找到。表示启用了自动休眠。

输入命令：

sudo systemctl mask sleep.target suspend.target hibernate.target hybrid-sleep.target

禁用它。

输入命令：

systemctl status sleep.target

表示禁用成功。

问题：nvcc 和 stat cuda 不一致。

当我们使用nvcc –version和stat cuda分别查询时，两者显示的cuda版本不一致，nvcc的cuda版本一致且不变。

原因是nvcc指向系统默认的nvidia-cuda-toolkit位置，如下图所示。

所以当我们使用nvcc –version查看版本时，与stat cuda显示的版本不一致，但实际上已经切换成功。

所以我们需要将nvcc指向的默认cuda-toolkit改成指向我们的cuda-toolkit安装位置。

sudo vim /usr/bin/nvcc
exec /usr/local/cuda/bin/nvcc

修改完成后，可以成功使两者显示的内容一致，不一致可能会导致一些意想不到的错误。

静态ip配置

在Ubuntu18.04中，传统配置/etc/network/interfaces没用，新的网络配置文件在：/etc/netplan/50-cloud-init.yaml

sudo vim /etc/netplan/50-cloud-init.yaml

使用vim编辑文件，注意格式，冒号后面有个空格。

network:

    ethernets:

        eno2:

            dhcp4: false

            addresses: [192.168.37.188/24]

            gateway4: 192.168.37.2

            nameservers:

                addresses: [114.114.114.114,8.8.8.8]

    version: 2

eno2：你当前的网卡名称；

dhcp4：ipv4接口的dhcp开关，false为关闭，true为开启；

地址：静态IP地址/掩码；

gateway4：ipv4网关；

nameservers：DNS服务器，逗号分隔；

编辑好后保存配置文件，执行命令重启网络服务生效。