【AI实战】深度学习基础环境搭建（Ubuntu + anaconda + tensorflow + GPU + PyCharm）

为方便日常的深度学习模型开发与测试，本人在自己笔记本上搭建一个深度学习的基础环境，便于学习AI使用。本人使用的笔记本配置是CPU为8代i5，显卡为GTX1060，内存为8G，基本上可满足日常的AI研究与学习。下面将介绍基础环境的搭建配置过程：

1、安装Ubuntu 18.04

 
 

（1）安装操作系统

从Ubuntu官网上下载最新的Ubuntu 18.04 LTS版本的IOS文件，然后使用Image Writer等工具，将IOS文件写入到U盘里面。
重启电脑，在BIOS里面设置第一启动顺序为U盘，保存启动，进入到Ubuntu操作系统的安装界面，按照操作指引一步一步进行安装，安装过程比较简单，在此就不再赘述。
注意：由于本人笔记本上的内存并不大（只有8G），为了满足后续的模型训练需要，在安装操作系统时，将交换区设置得大一些，例如8G或16G，以防模型训练时读取大量样本导致内存溢出。当然，能加内存条那就更好，土豪请随意。

（2）安装显卡驱动

安装Ubuntu后默认安装的是开源版本的显卡驱动，为了后续能够在使用tensorflow-gpu时能更好地发挥GPU的性能，推荐安装NVIDIA官方版本的驱动。
在Ubuntu里面，打开“软件和更新”，点击里面的“附加驱动”标签页，选择使用NVIDIA driver，然后点击“应用更改”进行官方驱动的安装，安装后重启电脑即可。
 
重启电脑后，只要在电脑的设备信息里面看到“图形”是显示了GTX 1060，则说明NVIDIA官方显卡驱动安装成功了。
 
【注意】在安装NVIDIA的官方驱动时，最初是在官网上下载Cuda、Cudnn安装文件手动进行安装，安装成功了，但却无法加载驱动。后来通过在Ubuntu的“软件和更新”安装官方驱动，才顺利解决，而且安装也方便。

2、安装Anaconda

由于后续在使用tensorflow建模时主要使用Python语言，因此，在这里选用了当前非常流行的Python发行版本：Anaconda。Anaconda集成了大量的科学计算包，能根据需要自动下载安装软件包和相应的依赖包（p.s.这也是比pip先进之处，pip无法管理依赖包的问题）。另外，使用Ana