1. 先从阿里云租个服务器，因为是测试，配置不用太高。
选择Centos 7.2 64位
2. 通过XShell 6连接：
2.1这个当然百度就有
2.2前提是先下好Xmanager Power Suite 6并且激活
3. 连接之后等待他启动配置GPU啥的，这个不需要自己操作
4. 连接成功先看看购买的服务器性能：
nvidia-smi
可以通过这里了解更多关于GPU的信息
我们看到只有一个GPU，而且性能为P0，说明性能状态很好
5. 查看内置Python版本，并且更新pip，包等
5.1 查看python版本
发现是python3.6.9，那就不用下了嘛！（牛逼了！一般linux自带的都是python2，这个已经装好了python3）因为平时用的就是python3。
关于一般的linux从头安装python可以看看我的这篇文章：
5.2 然后查看pip版本
居然也是最新的！所以那基本上只要安装各种包了嘛~
关于一般的linux从头安装python可以看看我的这篇文章：服务器Linux上配置python3以及pip
5.3 装包
一般的linux服务器装完python3后是通过pip3装包的，因为pip是默认为python2环境装，但是这里既然默认环境为python3，那么就肯定直接用pip装包啦！
在这个代码中我们需要安装的包挺多的，先输进去看看哪些包已经有了，哪些包没有。
装包的话建议中国内的源安装，之前推荐的那篇文章也有讲
pip install foolbox -i https://pypi.tuna.tsinghua.edu.cn/simple
#这是使用清华的源
别的也都用这个模板，注意：cv2 是 opencv-python
之前几个服务器装opencv都直接一遍装好了，这次居然出现了问题
这个方法的具体解决方法在这里：https://blog.csdn.net/qq_24798295/article/details/90240666
别的包就直接装好了。
5.4运行代码
通过Xftp 6上传代码到服务器：这个具体方法网上也有了，随便就能百度到
通过python运行代码：
调用tensorflow包
但是你会发现特别慢，五分钟一张图，Windows下是10分钟一张图，1216张图这样下去得跑4天，去查看GPU使用情况
根本就没有调用GPU，那么去网上找方法解决
发现普遍方法是：
①在代码前加：
import os
os.environ["CUDA_VISIBLE_DEVICES"] = "0,2,3"
#其中0 2 3是使用的GPU的编号，注意GPU是从0开始编号的
②设置GPUid：
使用命令
CUDA_VISIBLE_DEVICES=0,2,3 command
这条命令适用于命令行运行tensorflow程序的时候，指定gpu
③通过GPU跑代码：
CUDA_VISIBLE_DEVICES=0,2,3 python test.py
结果是一如既往的慢，最后通过学长找到的资料，最终原因是：Linux下安装的tensorflow和keras包不是默认使用GPU运行的，这时候就需要卸载原来的包，然后更换新的GPU运行的包，具体操作（）：
https://blog.csdn.net/back_1995/article/details/82705672?tdsourcetag=s_pctim_aiomsg
and
https://blog.csdn.net/qq_32728345/article/details/81570504
卸载：
keras 使用GPU是基于 tensorflow 的GPU版本，所以使用 keras 要先安装tensorflow-gpu
使用 pip list ; conda list 两条指令可以分别看到用 pip 和 conda 安装的包，可以使用
pip uninstall 包name
conda uninstall 包name 分别卸载之前安装错的包
安装：
这里只建议使用 pip 方法安装 tensorflow-gpu 和 keras ，因为有看到博客上说，使用 conda 安装时会默认安装CPU版本（就是因为这句话，所以把 conda 安装的全卸了，用 pip 重新安装了下，然后就可用了）
pip install tensorflow-gpu
pip install keras
之后用原来的方法就能跑了，调用GPU之后的处理图片的速度从原来Win下的10分钟一张，再到5分钟一张，再到30秒一张！
来源：CSDN
作者：Rotepad
链接：https://blog.csdn.net/Ljh_handsome/article/details/103635157