实习总结（一）

于2018年3月15号第一天实习，先记录下第一周（3.15-3.16）两天的学习心得。

关于环境

之前一直在用CPU去跑一些深度学习的简单应用，实习期间，所用电脑的配置是GTX1060（6G），所以得先配置一下深度学习的环境--使用anaconda配置cuda8.0+cudnn5.0（同时可以切换cudnn6.0）。                            

1. 先对cuda与cudnn有个大体的了解，cuda是基于并行编程模型和指令集架构的通用计算架构，能够高效地利用GPU进行并行运算的引擎；cudnn是专门用来给深度神经网络进行运算的库。  

2. 在配置环境的过程中，遇到了诸多棘手的问题，全部列下： 

• 拿到ubuntu16.04，我还是照着以前的尿性，先装sogoupinyin，然后解压.deb文件（dpkg -i xxx.deb），再将ibus换成fcxit后，系统循环登录。完全没办法，进入tty1删除搜狗的包还是不行，最后折磨许久，删除了NVIDIA的显卡驱动，重新装了一次，才解决问题。
• 接着装caffe（GPU），一直在循环出现 can't find /usr/lib/LD: lcudnn, 询问师兄之后，还是在/usr/local/cuda8.0/lib64加入了与自己所下版本一致的库，我这用的是libcudnn5.0.18，这里有个建立软链接的操作 ln -s libcudnn5.0 libcudnn5.0.18

  “ln –s 源文件 目标文件”只会在选定的位置上生成一个文件的镜像，不会占用磁盘空间。                                硬链接ln源文件目标文件，没有参数-s， 会在选定的位置上生成一个和源文件大小相同的文件，无论是软链接还是硬链接，文件都保持同步变化。

  还有一点比较重要，想要同时装caffe与tensorflow（GPU）需要更换libcudnn库，目前caffe多用libcudnn5或者6，tensorflow1.2用的是cudnn6。安装时注意软链接库的位置，/usr/local/lib里面的文件不要随便添加，因为在编译时系统会优先选择该文件夹内的库文件，自己重新建立一个lib再添加到PATH路径内即可。添加环境变量也尤为重要，先搞清楚两个文件的区别，/etc/profile与.bashrc，前者是针对所有用户，后者是只针对当前用户，前者需要重新启动，后者使用 source /.bashrc。

• Python版本的问题，使用python（anaconda2）去安装两个框架，anaconda可以从清华镜像网站下载，最终敲定先装caffe，再建立tensorflow的虚环境。

关于Ubuntu系统

• .whl文件的安装：wheel install <.whl>
• pip list 查看使用pip已安装的，pip uninstall ***
• 师兄推荐使用Vim读写文件，尽量去学，尝试使用tmux分屏。
• PYPI是一个管理python库包的网站。
• | grep *** 正则匹配，寻找文件时使用
• $ 表示 变量替换，echo则代表输出字符串，-e表转义。echo "vrs = $vrs" (vrs=12) 输出 "vrs = 12"，脚本中可以使用。
• scp与ssh scp可以将本地文件拷贝到远程或反传， scp <name>@<ip>/../..  /../.. 而ssh则是一个远程登录的指令，ssh <name>@10.110.0.110，只能使用命令行不能使用图形界面。

后话

给自己当前的任务一个时间限制，一定要在时间限制之内解决。所以，自己无法解决时，厚着脸皮去请教别人吧。