2020.5.28更新
服务器进了回收站，再恢复，就又要重新安装 driver 显卡驱动, 不过 /usr/local/cuda 路径及文件还在，真是奇怪！ 之前还以为是没有关闭正在利用 GPU 的进程导致的，但测试关了也会这样。
2020.5.10 更新
系里的服务器似乎自带了 driver 显卡驱动，但是没有装 cuda https://blog.csdn.net/qq_38451119/article/details/83302585
不存在路径/usr/local/cuda， 仍需要自己安装 cuda 和 cudnn。 自己安装 cuda 最好把原来自带的 driver 覆盖掉，避免版本冲突。
在装软件包的时候，似乎可以连上清华的镜像 装 progress, 但是 ping baidu.com 似乎不通。
2019.11.16
为了使用远程的云服务器，必须要自己配置环境，这次还算比较顺利。
1. 安装cuda https://blog.csdn.net/wanzhen4330/article/details/81699769 （ 安装cuda = nvidia driver + cuda toolkit + cuda samples + others)
从本地下载好 cuda 的安装包，然后使用 ssh 远程上传上去，然后 运行 .run 文件。 用户协议文件太长，不想看可以直接按 ctrl+c, 然后 accept 即可。，
因为是在虚拟机上， 似乎不用关闭之前的驱动，步骤较为简单。可以直接安装 nvidia driver 驱动，安装完后，使用 nvidia-smi 查看是否安装成功，发现居然是两块 Tesla V100 显卡。
这里似乎驱动一定要安装，否则会出现“no CUDA-capable device is detected”报错 https://blog.csdn.net/flowrush/article/details/80254301。也就是说，只装 cuda 的 toolkit , 没装显卡驱动，还是用不了显卡。当然显卡驱动可以和 cuda 一同安装，也可以独立安装。为避免版本冲突，最好一起安装。
注意一定要设置环境变量，否则后续调用 tensorflow 或者 pytorch 可能会出现意想不到的错误
使用 nvcc -- version 可以查看安装的 cuda 的版本
从本地下好 cudnn 的安装包，然后使用 ssh 远程上传上去，然后只需进行少量copy 和授予可运行的权限即完成安装，
注意 tar -zxvf 命令 第一次用。
3. 安装 Anaconda
从本地上传安装包后直接运行安装。
设置环境变量 https://blog.csdn.net/weixin_41983807/article/details/90181625
vim ~/.bashrc
写入 export "PATH=$PATH: xxx/anaconda3/bin"
source ~/.bashrc
然后输入 python，看是否成功
或者 用 echo 命令
1）sh 安装包.sh
2）cd /home/tianxiaoxiao/package //先定位到当前安装包目录下
echo 'export PATH ="/home/tianxiaoxiao/anaconda3/bin:$PATH"' >> ~/.bashrc
source ~/.bashrc
小插曲：误输入 export "PATH=PATH: xxx/anaconda3/bin" 后导致出错，vim 命令都无法识别了，要用 /usr/bin/vim 。使用 /usr/bin/vim 打开文件，并修改后，使用 source ~/.bashrc 仍然出错，因为此时 PATH 对应的值仍然是错误的，无法在本窗口内恢复。这时重新打开一个窗口就好了。
4. 安装 pytorch https://blog.csdn.net/suan2014/article/details/80410144 https://blog.csdn.net/felicityPY/article/details/90233374
从清华镜像站点 https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/linux-64/ 下载对应安装包，然后远程上传上去，然后 使用 conda install 安装
5. 安装 torchvision
从清华镜像站点 https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/linux-64/ 下载对应安装包，同样使用 conda install 安装
注：第 4 步、第 5 步也许可以在线安装。
6.测试显卡是否可用
打开python
import torch, torchvision
torch.cuda.is_available()
7. 安装 progress (有需求就安装）
pip install progress
比 conda install progress 方便很多。