一、安装nvidia驱动：
参考：
基本步骤参考：https://www.jianshu.com/p/c600a89da5da
少数对比学习参考：https://blog.csdn.net/wf19930209/article/details/81877822
1、为了下载正确版本的驱动，使用：
lshw -numeric -C display 查看GPU具体的品牌型号，执行上述命令后，系统显示lshw是未知命令，安装lshw命令。
我所用的服务器，不可以连接外网，无法正常使用yum，但是各个命令的前置依赖包太多，故准备从系统的iso文件进行安装所有可以安装的包（能从iso安装，就从iso安装）。
2、将everything的iso系统包CentOS-7-x86_64-Everything-1511.iso，mount成一个虚拟文件夹，然后从这个系统iso进行安装所有可以安装的软件：
可以参考：https://blog.csdn.net/weixin_38281964/article/details/87917220
（1）将iso文件mount成虚拟文件夹，如果/root/software不存在，需要新建/root/software，CentOS-7-x86_64-Everything-1511.iso文件在/root目录下：
mount /root/CentOS-7-x86_64-Everything-1511.iso /root/software（2）将yum的镜像改成 /root/software。进入/etc/yum.repos.d，因为原来有bak文件夹，这里新建bak.bak，然后执行下面两个命令：
mv CentOS-Local.repo bak.bak
mv local.repo local.repo.bak（3）新建mysel.repo，内容为：
[base]
name=RedHat
baseurl=file:///root/software
enabled=1
gpgcheck=0
gpgkey=file:///root/software/RPM-GPG-KEY-CentOS-7/root/software 就是 CentOS-7-x86_64-Everything-1511.iso 虚拟出的文件夹，RPM-GPG-KEY-CentOS-7 要自己到 /root/software 目录下看，对应的类似文件名是什么，这里就写什么。
（4）执行命令：
yum clean all（5）再用yum安装所需命令，这里安装：
yum install rpm* rpm-build rpmdev*
yum install lshw3、查看显卡版本信息：
lshw -numeric -C display
4、下载Nvidia驱动：
下载链接：https://www.nvidia.cn/Download/index.aspx?lang=cn
上面链接下载前，需要选择驱动对应的硬件的类型、产品系列等信息，我得到的信息是“显卡是1080T，GTX系列”，这样的信息并不详尽，故只是大致选成如下对应版本：
然后点击搜索，跳到下一页点击 下载，下载，即可下载下来文件：NVIDIA-Linux-x86_64-440.44.run
然后将文件 NVIDIA-Linux-x86_64-440.44.run 上传到服务器上。
5、CentOS安装 Nvidia 驱动：
（1）基本参考：https://www.jianshu.com/p/c600a89da5da
（2）安装过程中，遇到的问题：
① 按照上面的链接教程，一直执行到重启后（reboot，因为我使用的是服务器，没有图形用户界面，故也无需关闭），开始执行./NVIDIA-Linux-x86_64-440.44.run 出现，权限不够，参考https://blog.csdn.net/wf19930209/article/details/95237824，修改权限：
chmod +x NVIDIA-Linux-x86_64-440.44.run② 再次执行 ./NVIDIA-Linux-x86_64-440.44.run，出现没有安装gcc，先再次mount everything iso系统文件，
mount /root/CentOS-7-x86_64-Everything-1511.iso /root/software
然后再执行：yum install gcc g++ make③ 再次执行 ./NVIDIA-Linux-x86_64-440.44.run，出现没有安装 kernel-devel kernel-source；这里只需要执行如下命令即可：
yum install kernel-devel ④ 执行
./NVIDIA-Linux-x86_64-440.44.run可以一路选Yes，我这里只选择了不兼容32bit的，其他都选Yes，完成安装；
执行nvidia-smi，出现信息，完成安装 Nvidia 驱动。
（3）总结安装步骤如下：
① 首先禁用nouveau开源驱动：
vim /etc/modprobe.d/blacklist.conf 添加：blacklist nouveau，保存退出 vim /usr/lib/modprobe.d/dist-blacklist.conf 添加下面两行，保存退出： blacklist nouveau options nouveau modeset=0② 重建文件系统：
备份原来的 initramfs nouveau image 镜像
mv /boot/initramfs-$(uname -r).img /boot/initramfs-$(uname -r)-nouveau.img创建新的 initramfs image 镜像：
dracut /boot/initramfs-$(uname -r).img $(uname -r)③ 重启机器：
reboot④ 虚拟出everything iso文件夹，安装需要的前置包：
mount /root/CentOS-7-x86_64-Everything-1511.iso /root/software 安装gcc：yum install gcc g++ make 安装 kernel-devel、kernel-source：yum install kernel-devel⑤ 修改 ./NVIDIA-Linux-x86_64-440.44.run 权限：
chmod +x NVIDIA-Linux-x86_64-440.44.run⑥ 执行Nvidia驱动安装：
./NVIDIA-Linux-x86_64-440.44.run可以一路选Yes，我这里只选择了不兼容32bit的，其他都选Yes，完成安装；
⑦ 执行nvidia-smi，出现信息，完成安装 Nvidia 驱动。
二、安装 Anaconda：
由于服务器无法连接外网，安装anaconda后也无法使用conda进行其他安装配置，故放弃。
三、源码安装 Python3：
参考：https://www.cnblogs.com/linga/p/9442126.html
1、安装依赖包，仍然是从虚拟出的iso文件夹中用yum安装：
yum install zlib-devel bzip2-devel openssl-devel ncurses-devel sqlite-devel readline-devel tk-devel libffi-devel gcc make2、下载python3源码：
注意选择linux版本，这里选择Python-3.7.6.tar，地址：https://www.python.org/downloads/source/
3、编译、安装：
① 解压、进入解压后的目录：
tar -xvf Python-3.7.6.tgz
cd Python-3.7.6② 配置编译路径：
./configure --prefix=/opt/python/python-3.7.6
执行完上一步后会提示执行以下的代码对Python解释器进行优化，执行该代码后，会编译安装到 /usr/local/bin/ 下，且不用添加软连接或环境变量
./configure --enable-optimizations③ 编译和安装：
make && make install④ 上述步骤执行完，即可以使用 python3 了，下述软连接可以添加，也可以不添加（因为执行了② 中的第二个命令）：
ln -s /usr/local/bin/python3 /usr/bin/python3
ln -s /usr/local/bin/pip3 /usr/bin/pip3四、安装numpy
参考：https://blog.csdn.net/weixin_34146986/article/details/92680843
1、下载源码，保险起见，下载1.17.4：
https://pypi.org/project/numpy/1.17.4/#files
2、解压，进入解压后的目录：
unzip numpy-1.17.4.zip
cd numpy-1.17.4
总是出现编译错误、估计是系统编译环境配置有问题！
3、直接下载numpy的whl文件安装，简单高效！
五、安装 cudatoolkit、cuDNN
参考链接：https://blog.csdn.net/fanhenghui/article/details/80090864
主要参考上述链接中的5、6两点，但是步骤有很大不同，首先，我先安装了nvidia驱动，后安装cudatoolkit的，但是并没有像链接中说的那样，如果先安装驱动，再安装cuda的话，驱动会实效。然后就是安装的步骤不同，我是通过runfile进行安装的。
1、下载centos对应的cudatoolkit：
下载，如图中所述：wget ...
安装，如图中所述：sudo sh cuda...
安装过程中会提示做一些选择，接受协议等等，阅读后选择install，自动安装完毕。
最后会提示配置PATH和LD_LIBRARY_PATH，在~/.bashrc文件最后加入两行：
export PATH=/usr/local/cuda-10.2/bin:$PATH
export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/cuda-10.2/lib64至此安装结束。
2、测试cuda安装是否成功：
cd /usr/local/cuda-10.2/samples/1_Utilities/deviceQuery
make
报错：g++: No such file or directory
一开始以为是g++有问题，将Makefile中的g++，改成gcc，后make，报错：
gcc: error trying to exec 'cc1plus': execvp: 没有那个文件或目录
参考链接进行修改：https://blog.csdn.net/junweicn/article/details/80942928
yum install -y gcc-c++搞定！
./deviceQuery输出GPU信息。
3、下载cuDNN：
下载cuDNN需要先注册，然后下才能下载，下载地址：https://developer.nvidia.com/rdp/cudnn-download
我的服务器是Centos，下载的cuDNN文件是：cudnn-10.2-linux-x64-v7.6.5.32.tgz
4、安装cuDNN：
参考：https://docs.nvidia.com/deeplearning/sdk/cudnn-install/#verify
按照上面的命令，执行完就结束了。上面的参考链接中2.4节是确认cuDNN是否安装成功的，但是搜索了一下好像是通过deb文件安装才会自动安装samples，用于测试，想我这里用tgz文件的，没有自带测试用例，所以也没测试，后面使用好像也没啥问题，等后面有问题再看吧！(https://askubuntu.com/questions/1021837/cuda-and-cudnn-install-where-is-cudnn-samples-v7)
六、安装Pytorch、Torchvision
安装方法参考连接：https://pytorch.org/get-started/previous-versions/
下载连接：https://download.pytorch.org/whl/torch_stable.html
1、下载whl文件：
本来想秀一下，用源码安装的，但是这次配服务器耗时太久，又担心需要太多的前置依赖包，故直接下载whl文件了事。
下载的包分别为：
torch-1.2.0-cp37-cp37m-manylinux1_x86_64.whl
torchvision-0.4.0-cp37-cp37m-manylinux1_x86_64.whl
2、安装命令：
pip3 install torch-1.2.0-cp37-cp37m-manylinux1_x86_64.whl
pip3 install torchvision-0.4.0-cp37-cp37m-manylinux1_x86_64.whl安装 torch （torch的前置依赖包已经都安装了）很简单，一次成功，但是安装 torchvision 需要几个前置依赖包：torch、numpy、six、pillow>=4.1.1。
下载six的whl文件，下载链接：https://pypi.org/simple/six/
下载pillow的whl文件，下载链接：https://pypi.org/project/Pillow/6.2.2/#files
这里注意pillow不能下7.0之后（包括7.0）的版本，否在在 import torchvision的时候会出现错误：
ImportError: cannot import name ‘PILLOW_VERSION’
Debug参考：https://blog.csdn.net/ternence_hsu/article/details/103821264
3、测试pytorch、torchvision：
from __future__ import print_function
import torch
x = torch.rand(5, 3)
print(x)import torch
torch.cuda.is_available()import torchvision
import PIL