服务器外部部署

1. nvidia驱动安装
   1.1. 添加 nvidia repository
   sudo add-apt-repository ppa:graphics-drivers/ppa
   sudo apt update
   1.2. 选择驱动版本并安装
   ubuntu-drivers devices
   显示可用的驱动版本，例如：
   driver : nvidia-410 – third-party free
   driver : nvidia-415 – third-party free
   driver : nvidia-418 – third-party free
   driver : nvidia-384 – distro non-free
   driver : nvidia-430 – third-party free recommended
   driver : xserver-xorg-video-nouveau – distro free builtin
   如果要安装 410 版本，就用如下命令
   sudo apt install nvidia-410
   也可以选择 415, 418 等其他驱动版本。
   上边显示的驱动可能会有变化，例如这样（中间多了 “driver” 字样）
   driver : nvidia-driver-410 – third-party free
   driver : nvidia-driver-415 – third-party free
   driver : nvidia-driver-440 – third-party free recommended
   driver : nvidia-driver-430 – third-party free
   driver : nvidia-driver-390 – third-party free
   driver : nvidia-driver-435 – third-party free
   driver : xserver-xorg-video-nouveau – distro free builtin
   依然安装对应的驱动，例如
   sudo apt install nvidia-driver-410
   注意：如果在 BIOS 中将 secure boot 设置为 on，在上述安装过程中可能出现设置 secure boot 密码的相关提示。如果在安全性方面要求不是很苛刻，可以考虑将 secure boot 设置为 off.
   1.3 可以通过用如下命令查看
   nvidia-smi
   其中 smi = System Management Interface。 如果安装成功，上述命令应该会显示驱动版本号 410。
   如果重启之后运行 “nvidia-smi” 时出现如下错误：
   NVIDIA-SMI has failed because it couldn’t communicate with the NVIDIA driver. Make sure that the latest NVIDIA driver is installed and running.
   一种可能的解决方法是在上述 “Software & Updates” 界面中选择其他驱动版本，尤其是较新的版本，Apply changes 之后重启，可能解决问题。
   2：docker及nvidia-docker安装
   2.1 installer docker
   $ sudo apt-get remove docker docker-engine docker.io
   $ sudo apt-get update
   $ sudo apt-get install -y apt-transport-https ca-certificates curl software-properties-common
   $ curl -fsSL https://download.docker.com/linux/ubuntu/gpg | sudo apt-key add –
   $ sudo add-apt-repository “deb [arch=amd64] https://download.docker.com/linux/ubuntu $(lsb_release -cs) stable”
   $ sudo apt-get update
   2.2如果在 production 系統上安裝 docker 最好選擇固定版本
   $ apt-cache madison docker-ce 查看docker-ce版本
   如果安装最新版，则执行 $ sudo apt-get install -y docker-ce
   2.3 post installation
   $ sudo groupadd docker
   $ sudo usermod -aG docker $USER
   执行玩之后重新登入测试，查看是否可以不用sudo也可以执行docker
   $ docker run hello-world
   $ sudo systemctl enable docker
   2.4安装nvidia-docker
   **Install nvidia-docker and nvidia-docker-plugin **
   wget -P /tmp https://github.com/NVIDIA/nvidia-docker/releases/download/v1.0.1/nvidia-docker_1.0.1-1_amd64.deb
   sudo dpkg -i /tmp/nvidia-docker.deb && rm /tmp/nvidia-docker.deb
   $ sudo service nvidia-docker start
   $ sudo nvidia-docker-plugin
   由于我使用的是cuda9.0，所以在docker内测试nvidia-smi需要下列指令
   $ nvidia-docker run –rm nvidia/cuda:9.0 nvidia-smi

docker内部环境部署

1. 集装箱号识别环境部署
   1.1 安装 cuda9 + cudnn7.0
   服务器环境：cuda9 + cudnn7.0
   安装步骤：https://blog.csdn.net/baidu_26788951/article/details/81384942
   1.2 安装anaconda2
   前往https://www.anaconda.com/distribution/#linux下载。有两个版本供选择：Python 3.6 和 Python 2.7，下载Python 2.7版本
   在终端输入安装命令：
   Python 2.7：bash ~/Downloads/Anaconda2-5.0.1-Linux-x86_64.sh安装过程中，看到提示“In order to continue the installation process, please review the license agreement.”（“请浏览许可证协议以便继续安装。”），点击“Enter”查看“许可证协议”。
   在“许可证协议”界面将屏幕滚动至底，输入“yes”表示同意许可证协议内容。然后进行下一步。
   安装过程中，提示“Press Enter to accept the default install location, CTRL-C to cancel the installation or specify an alternate installation directory.”按回车键确认安装路径,终端上会显示“PREFIX=/home//anaconda<2 or 3>”并且继续安装。安装过程大约需要几分钟的时间。
   安装器若提示“Do you wish the installer to prepend the Anaconda<2 or 3> install location to PATH in your /home//.bashrc ?”（“你希望安装器添加Anaconda安装路径在/home//.bashrc文件中吗？”），输入“yes”。
   当看到“Thank you for installing Anaconda<2 or 3>!”则说明已经成功完成安装。
   关闭终端，然后再打开终端以使安装后的Anaconda启动。或者直接在终端中输入source ~/.bashrc也可完成启动。
   1.3 导入conda环境
   进入python27.yaml所在的文件夹，打开终端输入
   conda env create -f python27.yaml

1.4 安装caffe
cd caffe
make clean
git checkout darknet

mkdir Release
cd Release
cmake -D CMAKE_BUILD_TYPE=Release -D BLAS=Open -D BUILD_SHARED_LIBS=Off ..
make
make install (optionally)

cd container_ocr
mkdir build
cd build
cmake ..
make

1.5 测试程序：
Python tsbh.py

2：托单识别环境部署
2.1 安装anaconda3
2.2 导入conda环境td.yaml
3：验证码识别环境部署
3.1 安装anaconda3
3.2 导入conda环境yzm_ocr.yaml
4：对账单识别环境部署
4.1 安装anaconda3
4.2 导入conda环境dui.yaml
5：推荐识别环境部署
5.1 安装anaconda3
5.2 导入conda环境wiki.yaml
6：二维码检测环境部署
6.1 安装anaconda3
6.2 导入conda环境qr.yaml