如何从零搭建一个基础的深度学习环境？

最近新买了个笔记本日常工作用，于是花了点时间把环境搭好。搭建过程中也查询了不少信息，以往没有写log的习惯，这次把操作过程总结记录下来，只写了思路指导和一些注意，没有详细图文。

准备工作

1. 带有NVIDIA显卡的电脑
2. Wifi
3. 没有重要文件的U盘(≥8GB)
4. 几个小时的环境搭建时间

Pipeline

0 -> 制作ubuntu安装盘 -> win分区 -> Bios设置 -> Ubuntu安装 -> Ubuntu应用优化 -> 安装anaconda -> 安装pytorch和其他包

Win/Ubuntu双系统安装

Linux是非常适合于计算机行业从业者的系统，简单高效。它不同于以往win系统同计算机通过图形化界面的交流，更注重于通过代码和命令与计算机交互。因此在这里我们安装Win/Ubuntu双系统，并且将其他深度学习相关框架和包，都搭建在linux系统上。

• 多种Linux系统中，我们选择了常用的Ubuntu，虽然刚出了20的版本，不过稳妥起见还是安装了18.04。直接在Windows系统下通过链接或者搜索，在官网找到源文件，选择Desktop image下载。
• 下载软碟通UltraISO。网上很多源文件，只是要小心一下，下载时候其他乱七八糟的附加软件和广告。试用即可。
• 用软碟通UltraISO把下载好的系统文件制作Ubuntu安装盘。 网上很多详细的教程，不再赘述。
• 在Win系统上进行设置，为安装Ubuntu系统做准备。具体可以参考这篇。

1. 硬盘分区。我从E盘上分了200G出来，根据需求，当然越多越好。
2. 关闭快速启动和安全启动(在开机时不停按F2可以进入BIOS模式)。

• 重启，插入USB安装盘，通过不断按F12选择进入U盘启动方式，从而开始Ubuntu的安装。

1. 可以根据网上 的教程一步一步操作。需要注意的是，安装类型中要选择其他选项，也就是不与Windows共存。
2. 另外，要注意系统分区。把我们之前在Windows系统留出的空间划分为几个不同部分，来承载系统文件和使用空间。

• 如果像我一样是用的独显，有可能在安装时遇到acpi错误和花屏的问题，可以先把独显禁用，安装好再下载NVIDIA driver。包括我遇到的安装Ubuntu后无法外接显示器，都是显卡的问题， 可以参考这篇和这篇解决。
• 用

  nvidia-smi

  测试一下NVIDIA driver有没有成功安装，没问题的话继续，有问题重新下载安装，这个安装有点小烦，可以多找几篇教程看，一定要对应自己显卡的型号。
• 有人遇到WiFi失灵的问题，曾经碰到过，但这次没有，所以解决方法不详

Ubuntu应用优化

优化是为了方便使用，一个是主题界面的优化，我们可以用tweaks，一个是根据我们的需求添加一些软件，如科研狗常用的sublime，texlive，搜狗输入法(注意设置fcitx)，mendeley, WPS等等。。。
我个人十分推荐半透明的terminal，很漂亮。只需在终端的设置里，调高透明度。
这里有一篇可以参考。

深度学习环境搭建

有了好看的图标和终端样式，那敲起命令来，应该非常快乐了。
好的，那我们现在安装Anaconda。我配置的是anaconda3+Python3.7，根据提示操作，选择yes和路径就可以。

• 需要注意的是，要在

  ~/.bashrc

  里更新anaconda的path，然后source或者重新打开终端以生效。

安装好以后，我们就有了

conda

命令来辅助我们安装其他框架和包，包括TensorFlow，pytorch等等。
这里我们可以安装pytorch或它的国内镜像安装，visdom 或者用pip安装opencv.
因为相关的教程非常多，一般都很有效，这里仅仅给出我觉得可以的链接。安装时要注意一下自己装的版本，特别新的版本可能有bug，过于老旧的版本可以有些功能已经弃用了，所以选择合适稳定的版本，并且要协调统一。

• 一个简单的测试方法，在终端里输入

  ipython

  ，然后导入需要的库，比如

  import torch

  。如果成功导入，说明安装成功。一般安装好也可以用

  --version/- V

  来查询版本。

这样，一个基础的深度学习环境就搭建好啦～几个小时就搞定了。