1 搭建准备

---

进行深度学习主机的环境搭建，首先当然是要了解自己的机器啦，下面我们来看看本次搭建的软硬件配置。

硬件配置：

机箱主板：联想P910

存储：512G（SSD）+4T（HDD）+32G（RAM）

CPU：2*E5-2630V4

显卡：TITAN XP*1

软件配置：

操作系统：64位windows7专业版

深度学习开发比较方便是在linux系统啦，目前ubuntu16.04是比较稳定的版本，支持大多数的库，亲测不会出现太多的问题。由于配置了显卡和后期会使用CNN，还需要安装cuda和cuDNN，考虑到各版本的相互的兼容性问题，选取比较稳定的软件版本，如下所示：

ubuntu 16.04

CUDA 9.0 

cuDNN 7.1.1

（各软件及版本下载链接之后给出）

2 开始搭建

---

2.1 安装linux单系统（ubuntu16.04）

---

2.1.1 首先去网易开源镜像下载ubuntu16.04

1.jpg 2.jpg 3.jpg

2.1.2 下载软碟通，使用软碟通和ubuntu的镜像文件，制作U盘启动盘

具体操作如下：

打开-选择下好的系统iso文件-选择u盘-启动-写入硬盘映像

“写入方式”选择“USB-HDD+”

接着单击“格式化”，按默认即可（一般默认文件系统位FAT32）

注意镜像文件大小，应小于U盘大小

2.1.3 重启电脑，在黑屏状态下，按住F12，进入U盘启动，进入ubuntu安装引导

ubuntu安装参见链接

安装时最好保持机器在断网的状态下，提高安装速度

2.2 安装显卡驱动+CUDA+cuDNN

---

2.2.1 下载cuda9.0及安装

首先，根据硬件型号及系统环境，下载所需资源：（安装cuda时会安装显卡驱动）

CUDA下载链接+安装方法

https://developer.nvidia.com/cuda-downloads

设置环境变量：

sudo gedit /etc/profile

$ export PATH=/usr/local/cuda-7.5/bin:$PATH

$ export LD_LIBRARY_PATH=/usr/local/cuda-7.5/lib64:$LD_LIBRARY_PATH

2.2.1下载cuDNN及安装

cuDNN下载链接

https://developer.nvidia.com/rdp/cudnn-download

如果是奇怪的后缀，就cp打开

1sudo tar -xzvf cudnn-8.0-linux-x64-v5.1.tgz

2sudo cp cuda/include/cudnn.h /usr/local/cuda/include

3sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64

4sudo chmod a+r /usr/local/cuda/include/cudnn.h /usr/local/cuda/lib64/libcudnn*

安装tensorflow-GPU版本

pip install tensorflow-gpu

相关教程链接：

https://www.r-bloggers.com/lang/chinese/2042

Ubuntu16.04 + Titan XP + cuda8.0 + cudnn5.1 + opencv3.3.0 + caffe

http://blog.csdn.net/mynotwo/article/details/78661664

Ubuntu16.04安装NVIDIA Titan Xp显卡驱动

http://blog.csdn.net/javahaoshuang3394/article/details/76425009

http://www.52nlp.cn/从零开始搭建深度学习服务器环境配置ubuntu-1080ti-cuda-cudnn

安装完cuda要进行测试

2、安装cuda 9.0 deb文件（自带显卡驱动）

2.1 获取CUDA安装包，在NVidia官网下载local deb文件。

2.2执行如下命令安装：

$ sudo dpkg -i cuda-repo-ubuntu1410-7-0-local_7.0-28_amd64.deb

$ sudo apt-get update

$ sudo apt-get install cuda

2.3设置环境变量：sudo gedit /etc/profile

$ export PATH=/usr/local/cuda-9.0/bin:$PATH

$ export LD_LIBRARY_PATH=/usr/local/cuda-7.5/lib64:$LD_LIBRARY_PATH

2.4重启机器：用其中一个样例进行验证测试

$ cuda-install-samples-7.5.sh ~

$ cd ~/NVIDIA_CUDA-Samples_7.5/5_Simulations/nbody

$ make

$ ./nbody

或者在sample目录中make测试项目1_utility，再运行./deviceQuery

一些小技巧：

1.查询NVDIA显卡编号

lspci | grep -i nvidia

2.显卡信息

nvidia-smi

3.显存信息

nvidia-smi -l

3.查询cuda版本+移除cuda+查询cuda链接目录

apt search cuda

apt remove cuda

ll /usr/local/cuda

ln 可以用来指向cuda目录

如果是升级cuda和cuDNN，直接覆盖即可，pip会自动进行管理。

python相关安装：

sudo apt-get install --no-install-recommends

git graphviz python-dev python-flask python-flaskext.wtf 

python-gevent python-h5py python-numpy python-pil 

python-pip python-protobuf python-scipy