本文主要介紹了linux系統下深度學習系統的搭建，主要的安裝思路如下：

linux系統安裝：

首先安裝當下熱門的linux作業系統Ubuntu16.04，系統下載的連結如下：

（一）顯示卡驅動安裝：

安裝完系統後，安裝1080ti的顯示卡驅動，可以在Nvidia的官網下載到驅動

下載完成後，把檔案放在系統的預設資料夾下，作者把檔案放在home下，nvidia官網的下載的介面如下：

然後進入linux的指令操作介面，首先我們關閉X-server，如果不關閉無法進行顯示卡驅動的安裝，輸入：

sudo lightdm stop

然後安裝剛剛下載完成的1080ti的驅動，假設你下載下來的檔名是：1080ti.run

chmod +x 1080ti.run
sudo ./1080ti.run

（二）CUDA安裝：

在安裝CUDA前，需要對ubuntu的GCC進行降級，否則CUDA無法編譯通過，我第一次安裝就是因為GCC未降級，跑mnist時未能呼叫GPU執行。具體參見如下連結：

軟體安裝

為了加速訓練時的速度，接著我們進行cuda和cudnn的安裝，進入nvidia的官網，下載cuda，作者選擇的配置如圖所示：

如果你的檔名為：cuda_8.0.61_375.26_linux.run

那麼進入命令列介面，輸入：

chmod +x cuda_8.0.61_375.26_linux.run
sudo ./8.0.61_375.26_linux.run

為CUDA新增環境變數：

sudo gedit ~/.bashrc

export PATH=/usr/local/cuda-8.0/bin:$PATH
export LD_LIBRARY_PATH=/usr/local/cuda-8.0/lib64:$LD_LIBRARY_PATH
 

sudo gedit /etc/profile

export PATH=/usr/local/cuda/bin:$PATH

sudo gedit /etc/ld.so.conf.d/cuda.conf

/usr/local/cuda/lib64

（三）CUDNN安裝：

然後進行解壓，並將檔案覆蓋到指定目錄，具體操作如下，作者使用的是cuda6.0，

不同版本的cudnn需要進行對應的更改，進入cudnn下載的目錄，然後：

tar xvzf cudnn-8.0-Linux-x64-v5.1.tgz 
sudo cp cuda/include/cudnn.h /usr/local/cuda/include 
sudo cp cuda/lib64/libcudnn.so* /usr/local/cuda/lib64 
sudo chmod a+r /usr/local/cuda/include/cudnn.h /usr/local/cuda/lib64/libcudnn.so*​ 

sudo ln -sf libcudnn.so.5.1.5 libcudnn.so.5
sudo ln -sf libcudnn.so.5 libcudnn.so
sudo ldconfig

注意：作者這裡最後使用的時CuDNN5.1的版本，但操作方式相同，原因會在後面詳細說明

（四）Tensorflow安裝：

anaconda安裝：

和N卡相關的軟體我們都已安裝好，在安裝tensorflow前，先進行科學計算庫anaconda的安裝。

本文是基於anaconda安裝tensorflow的，在官網上下載對應的安裝包，作者選擇的是linux 64位 ，Python版本為2.7

安裝完anaconda以後，使用conda命令在終端下新建一個tensorflow的環境，

輸入指令後系統會自動下載所依賴的軟體庫

conda create -n tensorflow python=2.7

tensorflow安裝：

進入正題了，首先進入tensorflow的環境，輸入：

source activate tensorflow

（這一步時配置tensorflow環境，tensorflow還未安裝）

pip install tensorflow

如果下載速度過慢，可以搭個梯子，在github上tensorflow的官網也可下載

安裝完tensorflow後，在終端中進入python

測試

python
import tensorflow as tf

jupyter notebook安裝：

在終端下顯然不能夠便捷地除錯和編譯深度學習程式，因此作者推薦安裝jupyter notebook，同樣地，開啟終端，進入tensorflow環境，輸入：

pip install jupyter notebook

（五）遠端連線教程：

windows端:

登入到遠端計算機後，輸入賬戶和密碼，就可以進入遠端計算機的終端了（請先配置完linux端再進行此操作）

linux端

這裡作者推薦這兩篇部落格，寫的很詳細，交叉閱覽，很快能掌握：

解決了如何生成祕鑰的問題：

解決了如果登陸失敗，則有可能是伺服器防火牆設定的問題

（六）總結一下安裝思路：

（1）先安裝linux作業系統，

（2）安裝對應的顯示卡驅動，以及深度學習用的加速庫CUDA和CUDNN。

（3）安裝anaconda

（4）在tensorflow環境下安裝tensorflow和jupyter notebook

（5）遠端配置

（七）目前已知安裝過程中遇到的問題彙總

（1）CuDNN版本選擇

在配置CuDNN時，我一開始選擇的版本是CuDNN6，但是因為我tensorflow中，整合的時cuda8.0+CuDNN5.1版本，因此在執行mnist時，會提示：

缺少cuda5.0，no such file or directory。解決這個問題有兩個辦法：

1.如果想使用6.0的CuDNN直接去github上面下載tensorflow的原始碼，使用bazel進行編譯,具體可以參考這篇使用bazel編譯tensorflow的教程：

2.在nvidia的網站上下載CuDNN5.1版本，按照（三）中的流程重新覆蓋安裝

（2）配置SSH遠端訪問
如果按照（五）中配置完jupyter notebook的遠端訪問還不能訪問，一種原因是因為沒有安裝SSH server，這裡給出安裝ssh server的網址：

有很詳細的linux端配置ssh教程和如何在windows端連線的教程

（3）啟動流程

linux端：按下啟動鍵，windows端：開啟putty，遠端訪問linux主機，啟動tensorflow環境，啟動jupyter notebook，在瀏覽器中開啟jupyter notebook。此時執行mnist例子是沒有問題的。給出一個mnist例子的連結：

nvidia-smi

此外，對linux作業系統不熟悉的讀者，安裝過程中可能會出現很多問題，因此我推薦一些我安裝時查閱的部落格和網站，其次大家可以把遇到的問題放在百度裡面搜尋，搭建環境這類的部落格文章很多。

參考文獻：