Magic Realism Pack1

现在，要想进行深度学习方面的研究，就必不可少地要搭建GPU环境。但对于很多人来说，或者由于经验的不足，或者由于软硬件的更新换代，凡此种种，都使得配置GPU环境变得耗时费力。本文主要演示在Ubuntu 18.04系统上配置GPU环境（主要是安装CUDA）的基本过程与注意事项。




如下图所示。注意，根据你下载的CUDA安装文件的版本差异，上面这个命令可能会有些许的调整。这一点，你可以从上面的下载页面上直接复制Nvidia网站给出的命令，确保万无一失。

接下来，安装程序会显示安装协议，一路按回车键跳到最后。你会看到如下所示的一些问题。需要注意的是，我们之前已经安装过显卡驱动程序了，故在提问是否安装显卡驱动时选择no，其他选择默认路径或者yes即可。

安装完成后会出现以下界面，提示CUDA 安装不完整，这是因为显卡驱动没有安装，直接忽略掉。


每一个补丁吧安装完成后都会得到如下界面。

到这里，你已经安装成功CUDA了，最后，还要多配置一下环境变量。方法就是编辑 ~/.bashrc 文件。由于.bashrc文件通常都是隐藏文件，如果你无法在~目录下看到它，你可以使用【Ctrl+H】来强制显示隐藏文件。用一个文件编辑软件打开它，然后在文件的末尾加上如下语句：


如下图所示，保存文件并关闭。

现在重启一下计算机。然后，继续安装cuDNN，它提供了一些用于深度学习加速的库。同样，你需要到英伟达的官网上去下载相应的安装文件。注意，这一步，你需要注册一个账户。然后，如下图所示，选择与CUDA 9.0相匹配的cuDNN，并下载其中的cuDNN Library for Linux。

下载的时候发现是一个压缩包，下完之后解压。解压出来是一个cuda文件夹，进去有两个文件夹，一个include和一个lib64。进入刚刚解压得到的cuda文件夹，并在命令行中执行如下命令：

执行完之后，cuDNN算是安装完成了。最后，你可以安装一下GPU版的Tensorflow，并运行一些简单的神经网络训练例子来测试一下你的GPU环境。