深度学习环境的搭建

一份深度学习环境配置的备忘。

安装 Ubuntu16.04

推荐使用 Linux 系统，可以少给自己找些麻烦，既然要吃程序员这口饭，使用 Linux 这关是逃不开的。

Linux 有许多发行版，具体用哪个版本倒不必过分细究，不过还是推荐使用稳定的、使用人数多的发行版，比如 Ubuntu16.04 LST。

首先需要做一个 U 盘启动盘，接着分区。最好上 SSD 用来装系统，再挂一个 4T 的机械硬盘，分区可以如下：

1. 系统区用 efi 格式，200M 或者 300M 左右差不多了
2. swap 分区，32G 左右差不多
3. 剩余部分 EXT4 格式挂到根目录/下
4. 最后把机械硬盘挂载上

系统安装上之后还有些动作是需要做的：

1. 更换默认的源
2. 安装个搜狗输入法，打字方便不少
3. 安装个 open ssh，肯定会远程连的

其实还有的折腾，装机先到这里吧。

常出版本问题的库

有几个库经常出一些问题，比如说 numpy、cuda/cudnn 和 protobuf。

numpy

Numpy是不得不用的python科学计算基础库，被几乎所有的深度学习框架依赖，目前版本已经到1.6。

Tips：Numpy出问题，基本上就是版本问题，框架未必支持最新版，最好不要装最新版本的，要自己制定版本安装。

cuda/cudnn

搞深度学习得有块 GPU 吧，我看有很多人用 cuda8，不过还是比较推荐安装 cuda10，最近刚出的 TensorFlow2.0 就必须使用 cuda10。先安装 nvidia-driver ，再安装 cuda。

注:NVIDIM 的驱动要在 cuda 之前安装，见NVIDIA 环境配置这一小节。

官网下载链接 https://developer.nvidia.com/cuda-downloads

# 显卡驱动安装

1.下载官网内Linux版本的.run安装包
2. cd xxx/xxx #以目录usr/ser为例,通过cd usr/ser进入安装包存放目录
3. sudo service lightdm stop #关闭图形界面
4. ctrl+alt+F1 #若此时长时间黑屏，通过此命令进入命令行
5. cd xxx/xxx #在命令行进入安装包存放目录
6. sudo bash NVIDIA-Linux-x86_64-xx.xx.run --no-opengl-files  

#只安装驱动文件，默认enter选项，进入命令行 
#–no-opengl-files 只安装驱动文件，不安装OpenGL文件。这个参数最重要
7. sudo reboot #重启电脑。
8. nvidia-smi或nvidia-settings  #显示驱动详细信息，即安装成功

protobuf

当初安装 caffe 的时候，因为 protobuf 的版本问题被折腾得够呛，可以用 protobuf --version 看看当前的版本，不出意外因该是 2.6.1，有点低。

建议自己找个目录安装 3.4 以上的版本，和系统隔离，让一些包比如caffe编译的时候依赖上自己的这个库。

https://github.com/protocolbuffers/protobuf/releases

常用软件

接着可以安装 opencv、caffe、tensorflow、pytorch、anaconda 了。

OpenCV

OpenCV 安装写过一篇：Ubuntu16.04配置OpenCV环境。

还有视频教学的: http://space.bilibili.com/365916694?

NVIDIA 环境配置