在当今流行的深度学习中，我们不应该停留在观望阶段，我们应该开始更多的实践，下面将介绍最简单和最基本的内容，配置自己的深度学习服务器.
1. 安装Ubuntu系统: Ubuntu16.04 或者 Ubuntu17.04从Ubuntu官方直接下载Ubuntu镜像（Ubuntu16.04或者Ubuntu17.04，采用的是desktop amd64版本)，用U盘和Ubuntu镜像制作安装盘。在MAC下制作 Ubuntu USB 可参考安装板的方法： 在MAC下使用ISO制作Linux的安装USB盘，然后通过Bios引导U盘启动安装Ubuntu系统。如果安装时出现类似的黑屏或类似的黑屏 \\"nouveau ... fifo ...\\"重启计算机等错误信息，进入安装界面时长按e，按进入图形界面F6，选择 nomodeset 或手动添加，进行Ubuntu安装系统。
2. Source源和Pip源设置：建议在系统安装后设置source源和pip相关工具包的安装可以加快。
cd /etc/apt/ sudo cp sources.list sources.list.bak sudo vi sources.list
对于Ubuntu16.04，我用阿里云的来源.
对于Ubuntu17.04，我用的是网易的源头.
百度可以查询具体对应的内容.
最后更新：
sudo apt-get update
sudo apt-get upgrade
另一件事是将军pip源镜像指阿里云：http://mirrors.aliyun.com/help/pypi，加一个 ~/.config/pip/pip.conf 文件，设置为：
[global]trusted-host = mirrors.aliyun.com index-url = http://mirrors.aliyun.com/pypi/simple
或者清华的pip清华大学刚安装的那两天来源pip源抽风，所以换阿里云。
3. 安装1080TI显卡驱动:sudo apt-get purge nvidia* sudo add-apt-repository ppa:graphics-drivers/ppa sudo apt-get update && sudo apt-get install nvidia-384 nvidia-settings
安装后重启机器，运行 nvidia-smi，看有效的显卡驱动：
因为Tensorflow和Pytorch目前正式提供PIP版本只支持CUDA8, 所以我选择了安装CUDA8.0。但目前，英文达官方网站 CUDA-TOOLKIT默认提供的页面是CUDA9.0的下载需要在英文达官方提供另一个 CUDA Toolkit Archive 页面选择CUDA这个页面包含了CUDA所有历史版本和当前版本CUDA9.0版本。点击 CUDA Toolkit 8.0 GA2 (Feb 2017) 这个页面，选择\\"cuda-repo-ubuntu1604-8-0-local-ga2_8.0.61-1_amd64.deb\\" 和 \\"cuBLAS Patch Update to CUDA 8\\":
sudo dpkg -i cuda-repo-ubuntu1604-8-0-local-ga2_8.0.61-1_amd64.deb
sudo apt-get update
sudo apt-get install cuda
如果以前没有安装上述安装，如果以前没有安装上述安装\\"cuBLAS Patch Update to CUDA 8\\"，安装更新方式如下：
sudo dpkg -i cuda-repo-ubuntu1604-8-0-local-cublas-performance-update_8.0.61-1_amd64.deb
sudo apt-get update
sudo apt-get upgrade cuda
在 ~/.bashrc 环境变量中设置：
export PATH=/usr/local/cuda/bin${PATH: :${PATH}}export LD_LIBRARY_PATH=/usr/local/cuda/lib64${LD_LIBRARY_PATH: :${LD_LIBRARY_PATH}}export CUDA_HOME=/usr/local/cuda
运行 source ~/.bashrc 使其生效
4. 安装cuDNN:cuDNN7.0 虽然出来了，但是 CUDA8 最好的合作伙伴还是cuDNN6.0，在NIVIDA在开发者官网找到cudnn下载页： https://developer.nvidia.com/rdp/cudnn-download ，选择\\"Download cuDNN v6.0 (April 27, 2017), for CUDA 8.0\\" 中的 \\"cuDNN v6.0 Library for Linux\\":
下载后安装非常简单，即解压并复制到相应的系统CUDA在路径下，注意最后一行的复制 \\"-d\\"不能少， 否则会提示.so不是symbol link:
tar -zxvf cudnn-8.0-linux-x64-v6.0.tgz sudo cp cuda/include/cudnn.h /usr/local/cuda/include/ sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64/ -d
以上都是安装Ubunt16.04和Ubuntu17.04环境测试通过，最后，鉴于最近一些相关文章的评论，一些学生无法从官方下载CUDA和cuDNN，亲测可能与国内环境有关，我会cuda8.0, cuda9.0, cudnn6.0, cudnn7.0相关工具包上传到百度网盘，提供两个下载地址：
CUDA8.0 & CUDA9.0下载地址：链接：https://pan.baidu.com/s/1gfaS4lt密码 ddji ，包括：
1) CUDA8.0 for Ubuntu16.04: cuda-repo-ubuntu1604-8-0-local-ga2_8.0.61-1_amd64.deb
2) CUDA8.0 for Ubuntu16.04 更新: cuda-repo-ubuntu1604-8-0-local-cublas-performance-update_8.0.61-1_amd64
3) CUDA9.0 for Ubuntu16.04: cuda-repo-ubuntu1604-9-0-local_9.0.176-1_amd64.deb
4) CUDA9.0 for Ubuntu17.04: cuda-repo-ubuntu1704-9-0-local_9.0.176-1_amd64
cuDNN6.0 & cuDNN7.0下载地址：链接：https://pan.baidu.com/s/1qXIZqpA密码 cwch ，包括：
1) cudnn6.0 for CUDA8: cudnn-8.0-linux-x64-v6.0.tgz
2) cudnn7.0 for CUDA8: cudnn-8.0-linux-x64-v7.tgz
3) cudnn7.0 for CUDA9: cudnn-9.0-linux-x64-v7.tgz
以下是安装相关深度学习工具包，包括Tensorflow, PyTorch, Torch等：
1. TensorFlow:首先安装libcupti-dev
sudo apt-get install libcupti-dev
然后用 virtualenv 方式安装 Tensorflow(目前是1.4版)
sudo apt-get install python-pip python-dev python-virtualenv mkdir tensorflow cd tensorflow virtualenv --system-site-packages venv source venv/bin/activate pip install --upgrade tensorflow-gpu
测试GPU：
Python 2.7.12 (default, Nov 19 2016, 06:48:10)[GCC 5.4.0 20160609]on linux2 Type \\"help\\", \\"copyright\\", \\"credits\\" or \\"license\\" for more information. >>> import tensorflow as tf >>> sess = tf.Session(config=tf.ConfigProto(log_device_placement=True)) ... 2017-10-24 20:37:24.290049: I tensorflow/core/common_runtime/gpu/gpu_device.cc:955]Found device 0 with properties: name: GeForce GTX 1080 Ti major: 6 minor: 1 memoryClockRate (GHz) 1.6575 pciBusID 0000:01:00.0 Total memory: 10.91GiB Free memory: 10.52GiB ... 2017-10-24 20:37:24.387363: I tensorflow/core/common_runtime/gpu/gpu_device.cc:955]Found device 1 with properties: name: GeForce GTX 1080 Ti major: 6 minor: 1 memoryClockRate (GHz) 1.6575 pciBusID 0000:02:00.0 Total memory: 10.91GiB Free memory: 10.76GiB 2017-10-24 20:37:24.388168: I tensorflow/core/common_runtime/gpu/gpu_device.cc:976]DMA: 0 1 2017-10-24 20:37:24.388176: I tensorflow/core/common_runtime/gpu/gpu_device.cc:986]0: Y Y 2017-10-24 20:37:24.388179: I tensorflow/core/common_runtime/gpu/gpu_device .c
电脑知识
