作为深度学习的入门刚需，配置了主机若干，每次都要各种找攻略，终于下定决心写个完整的了T T
硬件参考
- RTX2070（显卡什么的无所谓，根据你的预算买个计算力高的就行了，入门级的话1060性价比就很高啦）
- PC（笔记本还是台式机无所谓╮(╯_╰)╭）
- 内存32G（最最最低也得来个8G吧～～～）
版本匹配攻略
各模块之间存在匹配关系，不是你想安啥就安啥！！！这种情况参考官网是最佳选择，网上攻略千千万，各种版本的都有，不过参照官网的总是能少些弯路，省时省力啊！此处给出链接,根据你的安装需求，综合考虑Python版本、系统版本、驱动版本、cuda版本、cudnn版本、tensorflow。
PS: 鉴于tensorflow已经2.0，大家可以自己考虑用哪个版本，不过过程大同小异。
此处送上CUDA与系统驱动版本对应关系表。
安装系统
- 下载系统
https://www.ubuntu.com/download/desktop - 制作启动盘
推荐个软件http://rufus.ie/，全小白操作，自己下个镜像就行 - 安装系统
按F2进入BIOS，不同主板可能不一样，自行百度吧～～
从U盘启动，一路安装系统
安装显卡驱动
显卡驱动的安装方法很多，可以在线也可以手动。这里推荐在线安装，当然你的电脑得联网！！！
- 如果曾经安装过其他版本的驱动，先卸载驱动
sudo apt-get remove --purge nvidia*
- 安装相关依赖项
sudo apt-get install freeglut3-dev build-essential libx11-dev libxmu-dev libxi-dev libgl1-mesa-glx libglu1-mesa libglu1-mesa-dev
- 添加Graphic Drivers PPA
sudo add-apt-repository ppa:graphics-drivers/ppa
sudo apt-get update
- 寻找合适的驱动版本
ubuntu-drivers devices
- 安装驱动
sudo apt-get install nvidia-driver-435（根据自己的驱动号，选recommend）
- 安装完成后重启即可
有的博客说需要禁用nouveau驱动，笔者没有也没啥事。如果按照上述方法没有安装成功，就禁用试试吧 参考
CUDA安装
- 进入官网, 根据实际情况选择对应版本即可
这里我们选择.deb文件，按照官网提示一步一步执行命令即可
很多人在执行最后一行命令的时候发现，明明想安装10.0，最后却装成了10.1。这是系统自动升级为高版本的CUDA，解决方法是后面加上版本号即可
sudo apt-get install cuda-10.0
如果之前安装错误的版本，想要卸载之前的cuda，可以执行下面的命令
sudo apt-get remove cuda
sudo apt autoremove
sudo apt-get remove cuda*
然后将终端运行目录切换到/usr/local/下，可能会看到一个"cuda"或者“cuda-10.1”文件夹，再或者两者都有。输入指令删除残留的文件夹，比如要删除 cuda-10.1 文件夹：
sudo rm -r cuda-10.1
cuDNN安装
进入官网，注册账号，下载对应cudnn版本，选择第一个for linux（cudnn的版本选择参照前面的对应表格）
下载完成解压文件
tar -zxvf cudnn-10.0-<自己的版本>.tgz
- 解压完成将相应的文件拷贝到对应的CUDA目录下即可（要cd到含cudnn文件的目录下）
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
sudo chmod a+r /usr/local/cuda/lib64/libcudnn*
因为是拷贝安装，如果版本不对直接删除文件就好啦～～
sudo rm /usr/local/cuda/include/cudnn.h
sudo rm /usr/local/cuda/lib64/libcudnn*
- 编辑环境变量
sudo gedit ~/.bashrc
将cuda的环境变量加到打开的文件最后
export LD_LIBRARY_PATH="$LD_LIBRARY_PATH:/usr/local/cuda/lib64:/usr/local/cuda/extras/CUPTI/lib64"
export CUDA_HOME=/usr/local/cuda
export PATH="CUDAHOME/bin:$PATH"
保存后，终端输入
source ~/.bashrc
Anaconda3安装
1.进入官网，下载需要版本
https://www.anaconda.com/distribution/
- cd进入下载文件所在的目录，在命令行输入：
bash Anaconda2-4.0.0-Linux-x86_64.sh
- 安装完成之后，在.bashrc中添加Anaconda的库文件，输入
sudo gedit ~/.bashrc
文件最后加入
export PATH="/home/你的用户名/anaconda3/bin:$PATH"
export LD_LIBRARY_PATH="/home/lyndon/anaconda2/lib:$LD_LIBRARY_PATH"
保存后，终端输入
source ~/.bashrc
安装完成后最好重启下电脑
tensorflow-gpu安装
- 如果利用anaconda安装，最好建立隔离环境，删除也十分方便
conda create -n <环境名称> python=<版本号，例如3.6>
- 激活隔离环境
activate <环境名称>
- 为conda更新为国内源
跟换linux的源一个道理，国外的源实在是太慢了，换个源，让你配置系统效率再次起飞。对于conda我们使用清华大学的TUNA提供的Anaconda 仓库的镜像执行下面的3条指令就OK了
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --set show_channel_urls yes
- 为pip更换阿里源
首先执行
mkdir ~/.pip
之后执行
cat > ~/.pip/pip.conf << EOF
然后依次输入下面4行
[global]
trusted-host=mirrors.aliyun.com
index-url=https://mirrors.aliyun.com/pypi/simple/
EOF
- tenorflow安装
conda intall tensorflow-gpu
or
pip intall tensorflow-gpu
上述两个均可，默认安装最新版本，也可指定版本号安装。安装完成后进行测试，看看你的tensorflow装没装好，在虚拟环境内输入python然后输入下面内容
import tensorflow as tf
hello = tf.constant('first tensorflow')
sess = tf.Session()
print sess.run(hello)
如果正常输出就是成功了！
这里推荐用pip安装，自己用conda安装后出现若干问题，后来才发现是conda会默认再次安装cudnn相关库，可能出现版本冲突问题
附加
安装Keras
在虚拟环境中执行
pip install keras
安装PyTorch
在虚拟环境中执行
conda install pytorch torchvision -c pytorch
然后进入python测试
import torch
print(torch.cuda.is_available())
输出True则为成功
安装搜狗输入法
可以参考LotusPanda：[Ubuntu18+RTX2080Ti]从0开始搭建深度学习环境TensorFlow+PyTorch
大体的步骤是:
先安装3个fcitx的软件(在software里面直接搜fcitx，三个小企鹅全安就对了);
然后安装linux搜狗拼音;
重启电脑
安装opencv
pip install opencv-python
pip install opencv-contrib-python
[参考链接]
https://zhuanlan.zhihu.com/p/58075604
https://zhuanlan.zhihu.com/p/51373519
https://tensorflow.google.cn/install
https://blog.csdn.net/weixin_40779727/article/details/90453345
https://developer.nvidia.com/cuda-10.0-download-archive?target_os=Linux&target_arch=x86_64&target_distro=Ubuntu&target_version=1804&target_type=deblocal
