GTX1080/1070配置深度學習環境。求指導，剛入手～？

01-06

這裡有一篇非常詳細的文章，包括硬體的選擇，雙系統的安裝，以及深度學習框架和CUDA環境安裝等等——

來源： Build Personal Deep Learning Rig: GTX 1080 + Ubuntu 16.04 + CUDA 8.0RC + CuDnn 7 + Tensorflow/Mxnet/Caffe/Darknet

作者： Guanghan Ning

文章的著作權屬於我，如果需要轉載，請註明來源和作者~

剛配好，參見這裡 http://wh1te.me

這是個人前幾天配置環境的流程，走了不少彎路。。。

部署Ubuntu 16.04+cuda8.0+Tensorflow+OpenaiGym：
使用機器：
CPU Intel i7 6700k
MB Gigabyte Z170X-UD3
Mem Kingstone Hyper Fury DDR4 2400 16Gx1
GPU Galaxy GTX1080 Gamer
HDD Smasung PM951 512GB
部署過程：

1.使用U盤安裝Ubuntu 16.04 LTS.
2.安裝完後只有默認桌面與滑鼠指針，並且有閃爍現象。做如下處理
-按Ctrl+Alt+F1切換到控制台界面，輸入用戶名與密碼登陸
-安裝NVIDA顯卡驅動，步驟：
sudo add-apt-repository ppa:graphics-drivers/ppa
sudo apt-get update
sudo apt-get install nvidia-367
sudo apt-get install mesa-common-dev
sudo apt-get install freeglut3-dev
-之後重啟主機。

3.重啟後仍然只有桌面與滑鼠，但是沒有閃爍情況，也能打開右鍵菜單。做如下處理
-右鍵打開終端，運行compiz –replace
-發現opengl plugin not loaded
-運行sudo apt-get instal ccsm apt-get install -y python-numpy cmake zlib1g-dev libjpeg-dev libboost-all-dev gcc libsdl2-dev wget unzip
-運行ccsm
-Enable Unity Plugin
4.重啟後系統進入可用狀態。
5.從NVIDIA官網下載CUDA 8.0 RC 和 cdDNN 5.0.
-https://developer.nvidia.com/cuda-toolkitcxx_builtin_include_directory: "/usr/local/cuda-8.0/include"
-https://developer.nvidia.com/cudnn

需要註冊NVIDA賬號。
筆者下載的CUDA 是runfile形式的，操作如下：
-運行sudo sh cuda_8.0.27_linux-run.runapt-get install -y python-numpy cmake zlib1g-dev libjpeg-dev libboost-all-dev gcc libsdl2-dev wget unzip
-按CTRL+C跳過EULA，同意EULA
-不安裝361驅動
-其他全選y和默認
安裝完畢後，寫入環境變數：
-gedit ~.bashrc
-寫入下面二行（如果文件非空，找個順眼的地方寫進去就好）
export PATH=$PATH:/usr/local/cuda/binrefer=intelligentunit

export LD_LIBRARY_PATH=:/usr/local/cuda/lib64
聽說nouveau會導致安裝CUDA後無法進入系統，筆者抱著反正也用不上這驅動的心態屏蔽了nouveau驅動，步驟如下：
-sudo gedit /etc/modprobe.d/blacklist-nouveau.conf
-向這個空文件寫入
blacklist nouveau
blacklist lbm-nouveaucxx_builtin_include_directory: "/usr/local/cuda-8.0/include"
options nouveau modeset=0
alias nouveau off
alias lbm-nouveau off
重啟完成CUDA安裝。然後安裝cuDNN：

-解壓cudnn-8.0-linux-x64-v5.0-ga.solitairetheme8
- cd cuda
sudo cp lib64/* /usr/local/cuda/lib64/
sudo cp include/cudnn.h /usr/local/cuda/include/
6.安裝Tensorflow：
CUDA8 ，cuDNN5下需要自己從源碼build並安裝。
準備工作：
-下載tensorflow源碼：git clone GitHub - tensorflow/tensorflow: Computation using data flow graphs for scalable machine learning
-下載bazel：https://github.com/bazelbuild/bazel/releases/download/0.3.0/bazel-0.3.0-installer-linux-x86_64.sh
-下載pip以及tensorflow的各種依賴：

sudo apt-get install python-pip
sudo apt-get install python-numpy swig python-dev python-wheel
-安裝java：
一開始安裝的是openjdk-9，但是後面使用bazel的時候出錯了，改為使用openjdk-8
sudo apt-get install openjdk-8-jdk
sudo apt-get purge openjdk-9*
-下載build時的一些依賴：
sudo apt-get install libcurl3 libcurl3-dev
sudo apt-get install gcc-4.8 g++-4.8
sudo apt-get install zlib1g-dev

開始安裝:
-安裝BAZEL：./bazel-0.3.0-installer-linux-x86_64.sh –user
-添加PATH和BAZEL服務：
在~/.bashrc中添加二行：
source /home/(你的用戶名)/.bazel/bin/bazel-complete.bash
export PATH=$PATH:/home/(你的用戶名)/.bazel/bin
-運行source ~/.bashrc
-進入tensorflow目錄，運行./configure進行配置，開頭選兩個yes後剩下全部默認即可
-為了防止missing dependency declarations錯誤，在third_party/gpus/crosstool/CROSSTOOL
文件中的toolchain {}中添加

cxx_builtin_include_directory: "/usr/local/cuda-8.0/include"
-測試向編譯：bazel build -c opt --config=cuda //tensorflow/cc:tutorials_example_trainer
-測試編譯結果：bazel-bin/tensorflow/cc/tutorials_example_trainer –use_gpu
-正式編譯並安裝tensorflow:
bazel build -c opt --config=cuda //tensorflow/tools/pip_package:build_pip_package
bazel-bin/tensorflow/tools/pip_package/build_pip_package /tmp/tensorflow_pkg
sudo pip install /tmp/tensorflow_pkg/tensorflow-0.9.0-py2-none-any.whl
-提示：如果編譯中遇到了各種奇怪的問題比如網路問題，換了gcc版本，改了配置，甚至本來解壓從github下載的tensorflow-master然後換回clone得到的tensorflow什麼的，可以用bazel clean命令清潔下環境
7.安裝OpenaiGym：
-安裝doom-py的依賴
apt-get install -y python-numpy cmake zlib1g-dev libjpeg-dev libboost-all-dev gcc libsdl2-dev wget unzip
-運行sudo pip install gym[all] -i Simple Index –trusted-hosts pypi.douban.com
參考資料：
深度學習主機環境配置: Ubuntu16.04+GeForce GTX 1080+TensorFlow
深度學習主機環境配置: Ubuntu16.04+GeForce GTX 1080+TensorFlow
TensorFlow, Caffe, Chainer と Deep Learning大御所を一気に source code build で GPU向けに setupしてみた
TensorFlow, Caffe, Chainer と Deep Learning大御所を一気に source code build で GPU向けに setupしてみた
Getting "missing dependency declarations" with bazel 0.3.0
https://github.com/tensorflow/tensorflow/issues/3431
DQN實戰篇1 從零開始安裝Ubuntu, Cuda, Cudnn, Tensorflow, OpenAI Gym
DQN實戰篇1 從零開始安裝Ubuntu, Cuda, Cudnn, Tensorflow, OpenAI Gym - 智能單元 - 知乎專欄
Unity not loading after nvidia drivers installation
http://ubuntuforums.org/showthread.php?t=2124823
Installation broken on Ubuntu 16.04
Installation broken on Ubuntu 16.04 · Issue #1456 · bazelbuild/bazel · GitHub

以上回答都太複雜了，直接用 docker容器搭建深度學習環境，快、准、狠

zhudaoruyi/deep-learning-gpu-env

拿去不謝！！

1080P 顯卡安裝過程

基於GTX1070的軟硬體配置詳情，可以看看這篇文章Artificial Intelligence For Coder

參考：

深度學習工作站攢機過程記錄

:: DIGITS DEVBOX Documentation

Ubuntu15.04+caffe+cuda7.5+cudnn+matlab

安裝教程，環境ubuntu

so幸福，選個喜歡的深度學習框架就可以自己飛翔了

如何搭建一台深度學習伺服器

看看這個吧

不過如果自己玩還是用亞馬遜的服務挺好，也不算貴