一、安裝anaconda
anaconda安裝簡單，只要確定自己的系統即可，具體安裝請參考這里
二、確定自己的系統版本
我的是centos
cat /etc/redhat-release
查看linux系統方法：
# 方法一 cat /proc/version # 方法二 lsb_release -a # 方法三 cat /etc/issue # 方法四 cat /etc/redhat-release
三、確定自己的CUDA版本
什么是cuda：
CUDA(ComputeUnified Device Architecture)，是顯卡廠商NVIDIA推出的運算平台。 CUDA是一種由NVIDIA推出的通用並行計算架構，該架構使GPU能夠解決復雜的計算問題
簡單說強大的芯片如果只是作為顯卡就太浪費了，因此N卡廠商推出CUDA，讓顯卡可以用於圖像計算以外的目的
什么是cudnn：（注意：CUDA和CuDNN一般都是結伴而行，如果需要CUDA，必然會需要CuDNN）
下載地址：注意這里需要注冊才能下載，我用qq郵箱，密碼首字母大寫
CUDA看作是一個工作台，上面配有很多工具，如錘子、螺絲刀等。cuDNN是基於CUDA的深度學習GPU加速庫，有了它才能在GPU上完成深度學習的計算。它就相當於工作的工具，比如它就是個扳手
但是CUDA這個工作台買來的時候，並沒有送扳手。想要在CUDA上運行深度神經網絡，就要安裝cuDNN，就像你想要擰個螺帽就要把扳手買回來。這樣才能使GPU進行深度神經網絡的工作，工作速度相較CPU快很多
cudnn下載解壓后cuda目錄下有下面內容：
修改權限：
sudo cp include/cudnn.h /usr/local/cuda/include sudo cp lib64/libcudnn* /usr/local/cuda/lib64 sudo chmod a+r /usr/local/cuda/include/cudnn.h /usr/local/cuda/lib64/libcudnn*
Centos7安裝NVIDIA顯卡驅動和CUDA10.1（以10.1為例）：
先查看自己的linux上顯卡型號：
lspci | grep -i nvidia
可見我的顯卡杠杠滴
顯卡驅動下載：（下載與自己顯卡型號一致的驅動）
注意：在安裝顯卡驅動的時候如果報錯
ERROR: An NVIDIA kernel module 'nvidia-uvm' appears to already be loaded in your kernel. This may be because it is in use (for example, by the X server), but may also happen if your kernel was configured我們需要查看是否有程序占用（如果存在占用，請停掉該程序）
lsof | grep nvidia.uvm
當然顯卡驅動也可以這樣安裝：（推薦）
sudo yum install nvidia-detect # 安裝檢查顯卡的程序 nvidia-detect -v # 查看需要的顯卡驅動型號 yum -y install kmod-nvidia # 安裝驅動
卸載驅動：
sudo yum remove kmod-nvidia
如果通過官網下載驅動安裝時找不到kernel，通過下面的方式安裝驅動（確保kernel已經安裝）
sudo ./NVIDIA-Linux-x86_64-430.40.run --kernel-source-path=/usr/src/kernels/3.10.0-514.el7.x86_64
檢查linux是否安裝了GPU
lspci | grep -i nvidia
安裝 cuda 的時候，會詢問是否安裝顯卡驅動，說明 cuda 安裝程序里包含了的顯卡驅動；建議先不要安裝 cuda 里的顯卡驅動，待安裝完 cuda 后，執行例子程序，如果報錯再檢查顯卡驅動是否正確，避免覆蓋原來的顯卡驅動
安裝gcc、g++編譯器：先查看是否已經安裝（gcc -v）
yum install gcc yum install g++
安裝kernel-devel和kernel-headers：
yum install kernel-devel yum install kernel-headers
注意這里的kernel要和自己的linux系統版本一致：可以使用uname -r查看自己的系統版本
uname -r #3.10.0-514.el7.x86_64
有時候直接yum安裝的版本比較新，導致顯卡驅動安裝失敗
sudo yum remove kernel-devel # 卸載新的 sudo rpm -i kernel-devel-3.10.0-514.el7.x86_64.rpm #下載安裝適合的版本
編輯grub文件
vim /etc/default/grub
在GRUB_CMDLINE_LINUX中的末尾（注意要包含在引號內）添加/rd.driver.blacklist=nouveau nouveau.modeset=0
隨后生成配置：
grub2-mkconfig -o /boot/grub2/grub.cfg
禁用nouveau：將blacklist nvidiafb注釋掉，並添加如下內容，禁用的原因點擊這里
blacklist nouveau
options nouveau modeset=0
更新配置並重啟：
sudo mv /boot/initramfs-$(uname -r).img /boot/initramfs-$(uname -r).img.bak sudo dracut /boot/initramfs-$(uname -r).img $(uname -r) reboot
重啟后確認禁用了nouveau：
lsmod | grep nouveau # 沒有內容輸出表示禁用成功
賦予權限並安裝驅動和CUDA-10.0：
./NNVIDIA-Linux-x86_64-430.50.run ./cuda_10.1.243_418.87.00_linux.run
查看安裝結果
nvidia-smi
顯卡驅動和cuda安裝成功后，就可以用conda install 來安裝python包了（注意：虛擬機無法調用GPU，即使所有的環境配置好，代碼依然會報：all cuda 忙或者不可用的錯誤）
推薦搭建使用docker來安裝深度學習環境，方便部署
總結：大家可以參考這個來安裝深度學習框架
接下來安裝pytorch-gpu：
conda create --name pytorch_gpu python=3.6.10 source activate pytorch_gpu conda install pytorch torchvision cudatoolkit=10.1