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:
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。