1. 环境准备：从零开始的硬件与系统检查
第一次在CentOS 7上配置深度学习环境时，我踩过最痛的坑就是硬件兼容性问题。记得有次折腾了整整两天，最后发现是服务器主板BIOS没开启PCIe通道。为了避免大家重蹈覆辙，这里分享完整的预检清单。
硬件检查是第一步也是最重要的一步。执行lspci | grep -i nvidia确认显卡已被系统识别，如果没有任何输出，先检查：
- 显卡供电是否接好
- 主板BIOS中PCI-E设置是否正确（Gen3以上为佳）
- 服务器是否需要额外开启GPU支持选项
系统层面需要确认CentOS 7的版本和内核：
cat /etc/redhat-release # 确认是CentOS 7.x uname -r # 记录内核版本(如3.10.0-1160.el7.x86_64)我强烈建议在开始前更新系统基础组件：
sudo yum update -y sudo yum install -y epel-release sudo yum groupinstall -y "Development Tools"注意：生产环境建议先对重要数据备份，某些驱动安装过程可能导致系统无法启动
2. 搞定GPU驱动：从禁用Nouveau到成功安装
Nouveau是Linux自带的开源NVIDIA驱动，它会与官方驱动冲突。我见过90%的安装失败案例都是因为这个没处理好。禁用步骤比想象中复杂：
- 创建黑名单配置文件：
sudo tee /etc/modprobe.d/blacklist-nouveau.conf <<EOF blacklist nouveau options nouveau modeset=0 EOF- 重建initramfs并重启：
sudo dracut --force sudo systemctl set-default multi-user.target sudo reboot- 重启后验证是否禁用成功：
lsmod | grep nouveau # 应该无任何输出驱动安装文件建议用wget直接下载到服务器，避免本地上传可能出现的损坏。例如下载460.106.00版本：
wget https://us.download.nvidia.com/XFree86/Linux-x86_64/460.106.00/NVIDIA-Linux-x86_64-460.106.00.run安装时的关键选择：
- 当询问"Would you like to register the kernel module sources with DKMS?"时选No
- 遇到"Install NVIDIA's 32-bit compatibility libraries?"根据实际需求选择
- 出现任何警告可以暂时忽略
安装完成后，用nvidia-smi验证，应该看到类似这样的输出：
+-----------------------------------------------------------------------------+ | NVIDIA-SMI 460.106.00 Driver Version: 460.106.00 CUDA Version: 11.2 | |-------------------------------+----------------------+----------------------+3. CUDA Toolkit安装与版本选择策略
CUDA版本选择是个技术活，我建议根据深度学习框架的官方推荐来选择。比如TensorFlow 2.6推荐CUDA 11.2，PyTorch 1.9需要CUDA 11.1。官网下载时注意选择：
- 操作系统：Linux → x86_64 → CentOS → 7
- 安装类型：runfile(local)
以CUDA 11.1为例的下载命令：
wget https://developer.download.nvidia.com/compute/cuda/11.1.1/local_installers/cuda_11.1.1_455.32.00_linux.run安装过程中的关键选项：
- 当出现驱动安装选项时，务必取消勾选（按空格键去掉[X]）
- 接受协议选择accept
- 保持默认安装路径/usr/local/cuda-11.1
- 创建符号链接选择yes
我强烈推荐使用环境变量管理不同CUDA版本，修改~/.bashrc时要注意：
# 多版本切换的标准写法 export PATH=/usr/local/cuda-11.1/bin${PATH:+:${PATH}} export LD_LIBRARY_PATH=/usr/local/cuda-11.1/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}使配置立即生效：
source ~/.bashrc验证安装时两个命令都要运行：
nvcc --version # 查看编译器版本 nvidia-smi # 查看驱动支持的CUDA最高版本4. 深度学习环境验证与性能调优
环境装好只是开始，真正的挑战在于调优。我总结了一套验证流程：
基础计算能力测试：
cd /usr/local/cuda/samples/1_Utilities/deviceQuery sudo make ./deviceQuery # 应该看到Result = PASS带宽测试：
cd ../bandwidthTest ./bandwidthTest对于深度学习用户，我建议额外安装cuDNN加速库。下载时需要注册NVIDIA开发者账号，选择与CUDA版本匹配的包。以cuDNN v8.0.5为例：
tar -xzvf cudnn-11.1-linux-x64-v8.0.5.39.tgz sudo cp cuda/include/cudnn*.h /usr/local/cuda/include sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64 sudo chmod a+r /usr/local/cuda/include/cudnn*.h /usr/local/cuda/lib64/libcudnn*最后是环境持久化配置，很多人在服务器重启后环境失效，这是因为systemd服务没配置好。创建/etc/profile.d/cuda.sh：
sudo tee /etc/profile.d/cuda.sh <<EOF #!/bin/bash export PATH=/usr/local/cuda/bin:\$PATH export LD_LIBRARY_PATH=/usr/local/cuda/lib64:\$LD_LIBRARY_PATH EOF5. 常见问题排坑指南
驱动安装失败：最常见的是内核头文件不匹配。解决方法：
sudo yum install -y kernel-devel-$(uname -r) kernel-headers-$(uname -r)CUDA版本混乱：当系统存在多个CUDA时，可以用update-alternatives管理：
sudo update-alternatives --install /usr/local/cuda cuda /usr/local/cuda-11.1 100 sudo update-alternatives --config cudaGPU无法满负载：检查电源管理模式：
nvidia-smi -q -d POWER # 查看当前模式 sudo nvidia-smi -pm 1 # 启用持久模式 sudo nvidia-smi -pl 250 # 设置功率限制(根据显卡型号调整)遇到编译错误时，先检查gcc版本：
gcc --version # CUDA 11需要gcc 7.3+如果出现"unsupported compiler version"错误，可以通过修改CUDA配置解决：
sudo sed -i 's/unsupported GNU version! gcc versions later than 7 are not supported!/#unsupported GNU version!/g' /usr/local/cuda/include/host_config.h
