大数据/深度学习机器组机以及CUDA10+RTX+18.04.2+Tensorflow1.13.1+cuDNN7.3.1

组机缘由：

最近两次实习的工作内容，都与大数据关联不大，所积累的一些本就学得不深的知识便忘得不少。
深度学习和大数据都很感兴趣，考虑到毕设是深度学习项目，故准备过几天投一些大数据的实习岗。利用周末的时间，捣鼓毕设。这样一来，做大数据，好的CPU，大的内存必不可少；做深度学习，大显存的显卡必不可少。于是决定自己装台机器。

深度学习需要什么样的GPU？

NVIDIA 部分GPU的技术参数：

如何选择：

CUDA10与图灵架构特性
深度学习需要用到GPU的参数有：

1. 单精度—深度学习只需要单精度，昂贵的双精度卡适合科学计算
   就单精度浮点性能而言，RTX 2070 Founders Edition为7.9TFLOPS，GTX 1080也有8.2TFLOPS。

2. CUDA处理器—越多越好，无需解释
   比如这一代图灵显卡，RTX 2080 Ti/2080/2070分别使用不同的核心，全部都是独立型号，而RTX 2070显卡使用的是TU106-400核心。简单来说就是将RTX 2080 Ti规格剁剩一半，3组GPC单元，3×12=36组SM单元，经过计算，36×64=2304个CUDA单元。

3. 张量处理单元（Tensor Core）—也是越多越好
   Pascal架构由于没有Tensor Core，直接就是0分，而RTX 2070则为252.1TFLOPS。
   所以，如果有钱，就上RTX2080Ti；我感觉RTX2070性价比高。不建议买丐版，卡吧里面，20系目前翻车不少。
   

最终决定的配置：

年后9代CPU一路狂飙，咬牙某东入了国行，4900Hz 1.35v，估计散片都难以挑出这样的雷。。。

装机

额。。。实在没精力写这一部分了。也没啥可写的

装机后的感想

1. 真的快
2. 电源、水冷不行，有噪音，影响强迫症患者工作

CUDA10还是CUDA9，Python3.6还是3.7？

上面已经说了，19年后组机的朋友，还是上RTX，性能肯定比GTX提升不少，不知有人做过测评没，什么时候看见的话，我把它贴出来
github很多人问为什么自己装了CUDA9.2，tensorflow却报错，说缺少9.0.so

1. tensorflow目前没有官方的9.1 9.2编译的成品，民间有，docker镜像也有，当然也可以自己源码编译
2. 1.13开始使用CUDA10 cudnn7.2编译：
   
3. 一直觉得硬件用新不用旧，软件不要用太新的，这次还真想倒腾下CUDA10，毕竟pytorch 1.0也有支持CUDA10的
4. python就3.6吧，3.7的“配套设施”估计目前还是不太全，虽然3.7会是社区以后大力发展的版本，就像之前的2.7.X系列
5. 此文写自2019年3月初

最终的深度学习环境

亲测稳定，安装步骤就不写了，都写烂了
ubuntu16.04.6 【目前不太想折腾18.04】

向老版本说拜拜：

名称	版本
ubuntu	18.04.2
python	3.6.6
CUDA	10.0
cuDNN	7.3.1
tensorflow	1.13.1
keras	2.2.4
pytorch	1.10.1

TensorRT 5推理加速引擎

目前我不清楚这个tensorRT所做的工作，以及它的使用对于普通深度学习开发者是否是透明的，甚至是否需要单独安装，不清楚
（貌似是一种推理加速，需要导出模型在tensorRT中工作？？？）

卸载cuda

1-1 RPM/Deb 安装的:

$ sudo yum remove # Redhat/CentOS
$ sudo dnf remove # Fedora
$ sudo zypper remove # OpenSUSE/SLES
$ sudo apt-get --purge remove # Ubuntu

1-2 runfile安装的:runfile安装的:

$ sudo /usr/local/cuda-X.Y/bin/uninstall_cuda_X.Y.pl

2. 删除配置文件中相关export
3. 卸载驱动（如果满足最低驱动版本限制，则没必要）:卸载驱动（如果满足最低驱动版本限制，则没必要）:

$ sudo /usr/bin/nvidia-uninstall

2019/3/28更
一直没时间去倒腾cuda10+tf1.13
4/16写完毕设再继续

参考

[1.] CUDA10与图灵架构特性
[2.] [Quadro RTX\GeForce RTX已来，来了解一下深度学习到底要用什么样的GPU] (https://blog.csdn.net/Su_wenfeng/article/details/82907890)
[3.] NVIDIA GeForce RTX 2070同步评测：光影与游戏AI的最佳呈现者
[4.] https://docs.nvidia.com/cuda/cuda-toolkit-release-notes/index.html
[5.] https://docs.nvidia.com/cuda/cuda-installation-guide-linux/index.html
[6.] https://docs.nvidia.com/deeplearning/sdk/tensorrt-install-guide/index.html