這兩天在服務器上裝tensorflow，真是讓人頭大。
說一下背景，實驗室是公用的centos服務器，管理員給了我一個賬號，當然是沒有root權限的，到時候數據軟件啥的，如無必要，都要裝到自己的目錄下。在這種服務器上裝軟件，好處是人家管理員把該裝的一些基本的東西都裝好了，省去了很多步驟。當然，壞處就是，像我這種對linux不熟悉的，敲每個指令都戰戰兢兢，生怕一不小心就搞了某個公用的變量、配置、驅動、依賴之類的（實際上linux權限管理是比較方便的，一般不需要擔心這個）。整個過程甚是曲折。
利用我的mac的終端登錄服務器，用ssh [username]@[xx.xx.xx.xx] -p [port]命令，需要輸入的是用戶名，ip地址和端口編號，之后會讓人輸入密碼，輸完密碼就登錄了。登錄后我首先檢查了一些基本組件的版本。
python版本2.7，這是系統自帶的，直接用就行。
cuda和cudnn，這個實際上決定了tensorflow要裝哪個版本的，我一開始的想法是用服務器上安好的cuda和cudnn，於是就用下面兩個指令查看了下版本。
cat /usr/local/cuda/version.txt
cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2
查詢得到cuda版本8.0，cudnn版本6.0，在網上查一下對應表，得知對應的tensorflow版本應該是1.3或1.4
知道了這些信息我就准備裝tensorflow了，安裝方法非常多，官網上就提供了五種，最常用的是pip，anaconda和virtualenv，一開始，我是按照官網上anaconda的步驟進行安裝。
首先需要下載安裝anaconda，我是在本地電腦上下載了anaconda的安裝包（https://www.anaconda.com/download/#macos），然后遠程傳輸到服務器上執行，傳輸文件很簡單，調用下面命令即可：
scp [本地文件完整路徑] [username]@[xx.xx.xx.xx]:[服務器端路徑]
執行安裝文件后，它會有一系列詢問與選項，中間會詢問安裝路徑，不用默認路徑的話，就輸入自己的絕對路徑就行，我沒有用默認路徑，后面還有一個關鍵的是系統會詢問是否加入環境變量（.bashrc），我選擇的yes，如果這一步選擇no，就必須后面自己配置。安裝完后，執行conda -V命令可以顯示anaconda版本信息，顯示了就說明安裝成功了。然后在終端輸入python，進入python環境，下面第一行中間有 |Anaconda, Inc.|的字樣，說明進入ananconda環境也成功了，如果沒成功，執行一下source .bashrc
安裝完anaconda后，我是先按照官網上的步驟進行安裝的，大致可以概括為安裝anaconda--創建conda環境並激活--使用pip安裝，具體的linux命令見網址（https://www.tensorflow.org/install/install_linux#InstallingAnaconda）。這個方法的好處是整個安裝和將來運行都在你建好的那個conda環境中，不會與其他版本的python和tensorflow沖突，這里需要注意的是，如果服務器沒有開vpn，那么官網的下載鏈接是用不了的，需要替換成清華的鏡像（https://mirrors.tuna.tsinghua.edu.cn），在這個網站上選擇tensorflow后，按照你的系統環境、python版本、gpu還是cpu、tensorflow版本進行選擇后，它會提供給你需要輸到終端里的鏈接網址。
用官網上的方法安裝完后，就是無限的坑了，我試了下import tensorflow會報錯，就是官網常見問題（https://www.tensorflow.org/install/install_linux#common_installation_problems）的第一個，可能稍有不同，比如我在試不同版本時，就先后出現了：
libcudart.so.8.0: cannot open shared object file: No such file or directory
libcublas.so.8.0: cannot open shared object file: No such file or directory
感覺這兩種錯誤是類似的，都是有關cuda的，都可以參考（https://stackoverflow.com/questions/36159194/tensorflow-libcudart-so-7-5-cannot-open-shared-object-file-no-such-file-or-di）上的解決方案，我也百度了博客上的方案，比如輸入以下命令
export PATH=/usr/local/cuda/bin${PATH:+:${PATH}}
export LD_LIBRARY_PATH=/usr/local/cuda/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}
export CUDA_HOME=/usr/local/cuda
source ~/.bashrc
最終我也不知道解沒解決這個問題，應該是解決了，因為系統開始報另外一個錯誤了😂，那就是：
ImportError: /lib64/libc.so.6: version `GLIBC_2.14' not found
具體報錯的是GLIBC哪個版本忘了，反正都是這個形式，繼續百度，發現是linux系統的GLIBC這個庫沒有所需要的新版本，然而，根據網上的說法和一個同學的指導，千萬不要貿然去升級GLIBC，因為這是linux一個很底層的庫，與centos版本密切相關，隨便升級了，很可能shell都會崩潰。那唯一的辦法，就是改變tensorflow版本，看能不能找到可以用的。於是我就從1.4版本一級一級地往下試，中間如果要卸掉某個版本的tensorflow，直接用命令pip uninstall tensorflow-gpu即可，當然uninstall后面的名字要正確，可以用pip list查看安裝列表。
結果試驗過程出現了可以說令我束手無策的局面：
隨着版本的降低，glibc的問題消失了，前面說的關於cuda的錯誤又出現了，而且不是環境變量配置的問題，是低版本的tensorflow，需要使用cuda7.5，而服務器上的cuda8.0，無論怎么配置都是無用的，但是我如果升級tensorflow，cuda的版本是匹配了，glibc又不行了，這是一個無法解決的矛盾。
不得已請教了師兄，師兄建議直接用anaconda裝，結果發現，之前都白忙活了，anaconda一鍵解決！！
沒錯你沒有看錯，使用anaconda安裝而不用pip，一鍵解決！
第可能有人會問，之前不是就用的anaconda么？不，其實之前按照官網的步驟，anaconda只起到了搭建虛擬環境的作用，具體安裝的命令還是用的pip，而所謂用anaconda安裝，是直接調用conda install指令，具體步驟為：
首先搜索可使用conda安裝的源：
anaconda search -t conda tensorflow
調用這個命令后，終端會輸出所有可用的源
如圖所示，從中選擇一個源，輸入：
anaconda show [name]
name就是上面列出的name那一列的名字，之后系統會給出要安裝這個源的tensorflow所用的指令，比如我選擇HCC/tensorflow-gpu，帶入上面的指令輸入，它會告訴我用：
conda install --channel https://conda.anaconda.org/HCC tensorflow-gpu
這個指令安裝，需要注意的是如果直接用這個指令，它會安裝所能安裝的最新版，我一開始不知道這個，就直接調用了它給出的指令，安裝了1.9版的tensorflow
按說安1.9版沒有問題，因為anaconda安裝最智能的一點就體現在這里，安裝前它會自動分析你的環境，然后自動給你安裝缺失的或版本不對的依賴，比如cuda，我也不知道它到底安在哪，但是應該是不會影響服務器的其他用戶，它就把cuda9.0給我裝上了，當然還有cudnn7.1。
裝完之后，我進入python環境，輸入import tensorflow竟然沒有報錯！！我以為安裝成功了，結果繼續往下一試就出問題了，運行sess=tf.Session時，檢查完gpu，出現了如下報錯信息：
cuda driver version is insufficient for cuda runtime version
沒錯，cuda版本太高，gpu驅動用不了了！這就沒辦法了，gpu驅動這東西，我是不能動了，動了的話，所有服務器上正在運行的程序要出大亂子，那么辦法就是，安裝低版本的tensorflow，從而使用低版本的cuda，從而可以適應服務器的驅動。
要安裝指定版本的tensorflow，需要把前面安裝的指令修改為：
conda install --channel https://conda.anaconda.org/HCC tensorflow-gpu=1.4
加一個版本信息就好了，比如我這里加的是1.4版本，這時，anaconda會自動給分析出來，在已經裝了tensorflow1.9的情況下，安裝tensorflow1.4，有哪些需要安裝，哪些需要卸載，哪些需要更新，哪些需要降級，就是這么方便。
於是終於安裝成功了，使用例子程序，成功打印了“hello”