【深度学习】外置显卡选购及搭建环境

卷首语：由于软硬件发展迅速，本文相关信息预计有效期到2019年上半年。

为什么需要显卡？

显然这是一个不言自明的问题，看看用CPU训练时长的绝望。DL是个烧钱的行当。

为什么是外置显卡？

可以这样：

也可以这样：

土豪可以出门左转了。
对于已有笔记本，不想再添置一个机箱的人，外置显卡是性价比最高的选择。
已经有人算好经济帐：

 

最终我选择：

 

那款外置显卡扩展坞？

我的选择 Mantiz。此处应有广告费。
更多关于此款外置显卡的信息可点击这里查看。

我在挑选扩展坞时的几个问题：
Q：扩展坞能否与笔记本适配？
A：需要笔记本支持雷电3接口。

Q：显卡扩展坞会不会有性能损失？
A：会的，相比较训练时长从一个月压缩到3天，无所谓了。

Q：扩展坞能支持哪些显卡？
A：见说明或直接问老板。

如何配置环境？

我的环境：
笔记本：Thinkpad T470s i5-7300 20G
操作系统：Ubuntu 18.04
开发环境：Anaconda python-3.6 tensorflow1.12

步骤1：安装Anaconda

这里有个小坑要注意，Tensorflow对python的要求：

所以Anaconda需要安装对应的版本，点击这里了解更多。Anaconda各版本的下载链接。

步骤2：安装NVIDIA驱动及CUDA

CUDA10.0，点这里查看官方指引。
另一个深坑：2070不在CUDA支持的列表内，但NVIDIA的另一个列表却说支持。话说CUDA的官方文档一致性怎么维护的这么差。这个深坑差点让我退货显卡。

NVIDIA驱动安装参考了知乎的这个帖子。官方驱动下载链接
我在安装驱动时的一些选项：

安装显卡驱动

reboot重启，并验证nvidia-smi

 

看到类似这样的输出，那么恭喜你，驱动安装成功。

步骤3：安装Tensorflow

又一个坑，TF官方只支持到CUDA9.0

image.png
还好有高人解决了这个问题，参考这个帖子。从这里下载支持CUDA10.0的TF版本.

验证Tensorflow（GPU）版成功：

import tensorflow as tf
hello = tf.constant('Hello, TensorFlow!')
sess = tf.Session()
print(sess.run(hello))

步骤4：进入深度学习败家的坑

哈哈。
希望本文能读者有所帮助。