內容概要

• cuda+cudnn+python環境安裝

• ubuntu18的開機自啟動腳本

• screen服務開啟

以我個人的實踐來看，把python開發的算法封裝成webserver的服務供前端程序調用是個不錯的方案，解決了不同語言直接做接口的復雜性，同時后期的運營、維護、監控也比較方便。但是python的環境部署確實比較麻煩的，一兩臺機器還行，大規模部署的話幾十上百臺機器想想就頭大，正規的做法是用docker，這里先撇開不談。但其實條件允許的話，可以在一臺機器上部署環境，然后將系統鏡像用systemback打包，再安裝到其他機器，新環境的部署就簡單了，裝完系統，環境就ok了，再配上開機自啟動的算法服務，簡直完美(ubuntu18親測有效)。

cuda+cudnn+python環境安裝

安裝文件自行下載，這里提供我的安裝包供參考鏈接：https://pan.baidu.com/s/1WShQSF94iQYPwNX4kwle6A
提取碼：slqs

安裝cuda環境網上教程非常多，這里不再贅述。需要注意cuda和cudnn版本匹配，顯卡驅動版本、以及gcc版本需注意。下面以cuda10.1+cudnn7+nvidia驅動440+Anaconda3-5.2.0為例，列舉下可能的操作：

• 卸載之前存在的cuda或驅動

sudo /usr/bin/nvidia-uninstall
sudo apt-get purge nvidia*

• 安裝驅動

編輯：
sudo nano /etc/modprobe.d/blacklist.conf
加入：
blacklist nouveau
options nouveau modeset=0
Ctrl+O保存，Ctrl+X退出
sudo update-initramfs -u
最好重啟下
lsmod | grep nouveau 無輸出即可

• gcc/g++降級

apt-get install gcc-7 g++-7

sudo update-alternatives --install /usr/bin/gcc gcc /usr/bin/gcc-7 100
sudo update-alternatives --install /usr/bin/gcc gcc /usr/bin/gcc-9 50
sudo update-alternatives --config gcc命令查看gcc的默認版本

• 安裝cuda

chmod +x cuda_10.1.168_418.67_linux.run
sudo ./cuda_10.1.168_418.67_linux.run
進入界面后 空格取消驅動安裝選項
等待安裝完成
設置環境變量：
sudo nano ~/.bashrc
export CUDA_HOME=/usr/local/cuda-10.1
export LD_LIBRARY_PATH=${CUDA_HOME}/lib64
export PATH=${CUDA_HOME}/bin:${PATH}
Ctrl+O保存
source ~/.bashrc 使生效
輸入nvcc -V驗證

-cudnn安裝

sudo dpkg -i libcudnn7_7.6.5.32-1+cuda10.1_amd64.deb
deb解壓安裝即可，壓縮包的話需要拷貝文件到對應的cuda文件夾

• Anaconda安裝

這里需要注意，如果是安裝在用戶目錄下，打包鏡像安裝到其他機器上會導致python無法使用，因為用戶名是寫死在環境變量中了。建議安裝在非用戶目錄，我這里安裝路徑是/usr/local/anaconda3 供參考。
sudo sh Anaconda3-5.2.0-Linux-x86_64.sh

anaconda和cuda環境變量

ubuntu18的開機自啟動腳本

這部分走了不少彎路，主要是想自啟動腳本里能實現在創建的screen下開啟算法服務，這樣的話后期監控，直接screen -r name進入查看即可，而且是真后臺運行，各種優點吧。實現過程中遇到了不少問題，如conda虛擬環境無法進入、環境變量未激活、啟動腳本不執行等。好在最終解決，這里直接給出可行方案：

• 編輯自啟動服務
  由于該系統沒有自帶其他linux版本自帶的rc.local文件的開機自啟動方法，所以要自己生成rc.local文件。
  先編輯rc-local.service：

sudo nano /etc/systemd/system/rc-local.service
寫入：
[Unit]
Description=/etc/rc.local Compatibility
ConditionPathExists=/etc/rc.local

[Service]
Type=forking
ExecStart=/etc/rc.local start
TimeoutSec=0
StandardOutput=tty
RemainAfterExit=yes
SysVStartPriority=99

[Install]
WantedBy=multi-user.target


然后編輯rc.local:
sudo nano /etc/rc.local
寫入：
#!/bin/bash
#
# rc.local
#
# This script is executed at the end of each multiuser runlevel.
# Make sure that the script will "exit 0" on success or any other
# value on error.
#
# In order to enable or disable this script just change the execution
# bits.
#
# By default this script does nothing.
source ~/.bashrc
sh /home/online_stagex/auto_start/start.sh > /dev/null 2>&1 &
exit 0

最后執行：
sudo chmod +x /etc/rc.local
sudo systemctl enable rc-local
sudo systemctl start rc-local.service
sudo systemctl status rc-local.service

rc-local.service文件

rc.local

其中，start.sh是開機自啟動腳本，前面的路徑是存放位置，記得加上可執行權限。chmod +x

screen服務創建及服務的開啟

在自啟動腳本start.sh中定義了，啟動要干的事情，這里面寫的是創建screen并開啟服務的過程。

創建screen

需要說明的是自啟動腳本是root用戶下執行的，創建的screen也是在root下面，查看需要sudo screen -ls指令。創建的screen在sh環境下，需要使能環境變量source ~/.bashrc否則無法使用py環境。發送到screen的指令太長的話可以重新寫個腳本。

st_8381.sh

上面的腳本就是最終執行python代碼的指令，在web_start_8381.py中封裝了算法服務。
重啟測試，服務開起來了，log里也有日志，進入到screen有算法后臺輸出，完美！

screen

nvidia-smi查看gpu進程

總結

以上是生活随笔為你收集整理的bash 脚本中激活conda环境_ubuntu18.10目标检测算法环境部署+开机自启动脚本创建screen下的web服务...的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。