緊接着前幾天的事：
之后，決定買一台整機玩玩。
而現在，主機終於回！來！了！主機回來干什么，當然是——配置環境。
老潘之前也有一些配置環境的文章，可以參考：
- ubuntu16.04下安裝NVIDIA（cuda）-gtx965m相關步驟以及問題
- pytorch-0.2成功調用GPU：ubuntu16.04，Nvidia驅動安裝以及最新cuda9.0與cudnnV7.0配置
- win10下安裝使用pytorch以及cuda9、cudnn7.0
- 安裝cuda9.1內核問題：Unable to locate the kernel source
- 深度學習-在ubuntu16.04安裝CUDA9.1-總結(問題完全解決方案)
- 關於在ubuntu上源碼安裝TensorFLow-1.7.0-cuda9.1-cudnn7.1.2過程中問題解決方案
-_-|| 沒想到那會寫了這么多配置環境的文章，可能那會遇到的問題比較多吧...配環境什么的，其實只要嚴格按照步驟來一步一步配，基本上不會出現什么問題，出現問題一般都是我們某一步沒有走對，而退回去再走比較麻煩而已。
而現在對於配環境來說可以是輕車熟路了(前幾年不知道踩了多少坑，到現在都印象深刻)，嚴格按照步驟來，安裝Ubuntu和配置深度學習環境，1個小時多就搞定了。
接下來略微詳細地講一下過程。
- Windows下安裝Ubuntu-18.04
- 配置深度學習環境(Cuda+Cudnn+Pytorch+TensorRT)
主機長這樣
先放一組圖吧。
晚上開機還挺炫的，但其實對於老潘來說炫不炫不重要，性能好就行...
主機配環境
主機回來店家只給我裝了Windows系統，對於老潘來說，打游戲是次要的(哈哈哈哈...)，忍住了先下載一個鬼泣5玩玩的想法。先從Ubuntu官方下載了官方的鏡像包。
官方最新的Ubuntu是20.10，但對於搞事的人來說，還是18.04版本好一些(之前實驗室用的是16.04)。
開始配置雙系統，雙系統是必須的，Ubuntu可以搞深度學習，也可以當服務器使，Windows則可以應付一些游戲和其他應急應用。
關於如何將下載好的Ubuntu系統鏡像制作成U盤、如何安裝，老潘這里不贅述了。可以看以下這篇文章，介紹的很詳細，我就是按照這個嚴格來執行的：
當然如果有問題歡迎交流，直接留言即可~
安裝過程
雖然不贅述了，但還是簡單過一下：
進入BIOS，選擇Ubuntu啟動U盤，然后開始安裝Ubuntu：
其他一路點點點，然后簡單分個區。
然后開始安裝...
等待半小時，裝好了！
設置SSH
為什么要設置ssh，當然是想讓這個Ubuntu充當一個服務器的作用，開啟之后可以使用ssh登錄去操作。
例如我，可以先把服務器開了，然后使用其他電腦，例如MAC，使用局域網通過SSH連接這個服務器即可。
怎么開啟ssh呢？新的Ubuntu系統還沒有安裝SSH。
執行以下命令：
sudo apt install openssh-server
sudo systemctl start ssh.service
然后可以通過netstat -lnp | grep 22查看下開啟沒。
如果想要每次啟動自動開啟SSH，可以這樣：
sudo systemctl enable ssh
這樣就差不多啦。
安裝NVIDIA顯卡驅動
默認Ubuntu安裝的是llvmpipe這個顯卡驅動，這個是linux下的公用顯卡驅動，現在需要換成NVIDIA的。
首先禁用nouveau。
執行sudo gedit /etc/modprobe.d/blacklist.conf
加上以下這兩句：
blacklist nouveau
options nouveau modest=0
保存后，然后執行：
sudo updata-initramfs -u
sudo reboot
重啟后，Ctrl+Alt+F1切換到tty界面，關閉lightdm(如果沒有則不用管)：
sudo service lightdm stop
然后更新一下apt源以及看一下系統推薦的NVIDIA驅動版本：
sudo add-apt-repository ppa:graphics-drivers/ppa
sudo apt-get update
ubuntu-drivers devices
根據推薦的驅動版本，安裝NVIDIA驅動：
sudo apt-get install nvidia-driver-460
如果嫌慢，可以添加阿里或者清華源：
sudo cp /etc/apt/sources.list /etc/apt/sources.list.bcakup
sudo gedit /etc/apt/sources.list
備份之后打開文件，添加以下源即可：
# 阿里雲源
deb http://mirrors.aliyun.com/ubuntu/ bionic main restricted universe multiverse
deb http://mirrors.aliyun.com/ubuntu/ bionic-security main restricted universe multiverse
deb http://mirrors.aliyun.com/ubuntu/ bionic-updates main restricted universe multiverse
deb http://mirrors.aliyun.com/ubuntu/ bionic-backports main restricted universe multiverse
##測試版源
deb http://mirrors.aliyun.com/ubuntu/ bionic-proposed main restricted universe multiverse
# 源碼
deb-src http://mirrors.aliyun.com/ubuntu/ bionic main restricted universe multiverse
deb-src http://mirrors.aliyun.com/ubuntu/ bionic-security main restricted universe multiverse
deb-src http://mirrors.aliyun.com/ubuntu/ bionic-updates main restricted universe multiverse
deb-src http://mirrors.aliyun.com/ubuntu/ bionic-backports main restricted universe multiverse
##測試版源
deb-src http://mirrors.aliyun.com/ubuntu/ bionic-proposed main restricted universe multiverse
# 清華大學源
deb http://mirrors.tuna.tsinghua.edu.cn/ubuntu/ bionic main restricted universe multiverse
deb http://mirrors.tuna.tsinghua.edu.cn/ubuntu/ bionic-security main restricted universe multiverse
deb http://mirrors.tuna.tsinghua.edu.cn/ubuntu/ bionic-updates main restricted universe multiverse
deb http://mirrors.tuna.tsinghua.edu.cn/ubuntu/ bionic-backports main restricted universe multiverse
##測試版源
deb http://mirrors.tuna.tsinghua.edu.cn/ubuntu/ bionic-proposed main restricted universe multiverse
# 源碼
deb-src http://mirrors.tuna.tsinghua.edu.cn/ubuntu/ bionic main restricted universe multiverse
deb-src http://mirrors.tuna.tsinghua.edu.cn/ubuntu/ bionic-security main restricted universe multiverse
deb-src http://mirrors.tuna.tsinghua.edu.cn/ubuntu/ bionic-updates main restricted universe multiverse
deb-src http://mirrors.tuna.tsinghua.edu.cn/ubuntu/ bionic-backports main restricted universe multiverse
##測試版源
deb-src http://mirrors.tuna.tsinghua.edu.cn/ubuntu/ bionic-proposed main restricted universe multiverse
別忘了添加之后，進行更新二連：
sudo apt-get update
sudo apt-get upgrade
這樣就可以順利的安裝NVIDIA驅動了。
然后下載好以下三個深度學習伴侶：
開始安裝吧！
安裝Cuda、Cudnn
Cuda當然是必須要裝的。
找到下載好的11.1cuda環境包(現在出來11.2了)，然后執行：
sudo sh cuda_11.1.0_455.23.05_linux.run
會出來一堆blabla的選項：
- 1、確保你環境里頭是否有舊的cuda，有的話建議刪除
- 2、同意條款..
- 3、確認是否要安裝驅動、安裝demo...以及安裝位置確定
- 4、開始安裝ing
對於老潘來說，上一步中已經安裝了cuda驅動，不需要再裝舊版的(新版驅動兼容舊版驅動匹配的cuda)，所以這里就把驅動選項去掉，其他的安裝按照我的需求按部就班來就好。
注意
如果你沒有root權限，無法使用sudo，想要安裝cuda也是可以的。只要自定義好安裝位置即可，運行如下命令即可將cuda安裝到當前home下的software文件夾內：
./cuda_11.1.0_455.23.05_linux.run --silent --toolkit --toolkitpath=$HOME/software/cuda --defaultroot=$HOME/software/cuda
不論咋樣安裝好之后會顯示：
按照上面的要求配置環境變量即可:
(base) oldpan@oldpan-fun:~/software$ vim ~/.bashrc
將
export PATH=/usr/local/cuda-11.1/bin:$PATH
export LD_LIBRARY_PATH=/usr/local/cuda-11.1/lib64:$LD_LIBRARY_PATH
添加到打開的文件中
(base) oldpan@oldpan-fun:~/software$ source ~/.bashrc
(base) oldpan@oldpan-fun:~/software$ nvcc -V
nvcc: NVIDIA (R) Cuda compiler driver
Copyright (c) 2005-2020 NVIDIA Corporation
Built on Tue_Sep_15_19:10:02_PDT_2020
Cuda compilation tools, release 11.1, V11.1.74
Build cuda_11.1.TC455_06.29069683_0
Cudnn
cudnn的安裝就比較簡單了，解決壓縮包然后復制粘貼就行：
tar -xzvf cudnn-11.2-linux-x64-v8.1.1.33.tgz
sudo cp cuda/include/cudnn.h /usr/local/cuda/include
sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64
sudo chmod a+r /usr/local/cuda/include/cudnn.h
安裝Anaconda
安裝Anaconda也很簡單，從這里下載好(不想下的看老潘整理文末的軟件包)：
然后sh Anaconda3-2020.11-Linux-x86_64.sh就行。
安裝好之后，配置conda以及pip清華源，參考以下文字即可：
安裝Pytorch
安裝Pytorch就比較簡單了，如果不想自己編譯，直接從官方按照你的Cuda版本和Cudnn版本安裝即可：
https://download.pytorch.org/whl/torch_stable.html
安裝好Pytorch之后，測試一下cuda是否工作正常：
>>> import torch
>>> torch.cuda.is_available()
True
>>> torch.ones(1).cuda()
tensor([1.], device='cuda:0')
>>> torch.cudnn_is_acceptable(torch.ones(1).cuda())
True
OK~
TensorRT
TensorRT單獨發一篇文章來說吧~
一些資源
配環境需要很多軟件包，例如：
- Anaconda
- Pytorch.whl
- TensorRT
- CUDA
- CUDNN
有些可以在清華大學開源軟件鏡像站下載，但是TensorRT和CUDA、CUDNN需要從官方下而且需要注冊而且很慢。
老潘整理了一些已經下載好的軟件包。
公眾號內回復015獲取，可以看看有沒有你需要的：
想寫的還有很多，下篇再講(呼呼)。
如果有問題歡迎留言，歡迎關注「oldpan博客」公眾號，老潘的全部家當都在這里了。很願意與你交朋友~
參考
https://www.cnblogs.com/masbay/p/10745170.html
https://blog.csdn.net/ZPeng_CSDN/article/details/96726436
撩我吧
- 如果你與我志同道合於此，老潘很願意與你交流；
- 如果你喜歡老潘的內容，歡迎關注和支持。
- 如果你喜歡我的文章，希望點贊👍 收藏 📁 評論 💬 三連一下~
想知道老潘是如何學習踩坑的，想與我交流問題~請關注公眾號「oldpan博客」。
老潘也會整理一些自己的私藏，希望能幫助到大家，點擊神秘傳送門獲取。