Ubuntu 16.04+1080Ti机器学习基本环境配置
一、设置网络
机器有两张网卡，将当前正在使用的“有线连接1”配置为以下的设置
IP使用 192.168.2.251
掩码：255.255.248.0
网关：192.168.5.1
DNS:202.96.134.133;202.96.128.166
二、安装五笔
1 、首先声明，输入法根据个人爱好，系统已经自带拼音，如果习惯则可以跳过此步骤。我是习惯五笔输入，所以根据需要先安装完整语言包，我选择中文。
右上角系统设置-->语言支持-->自动更新安装语言包-->键盘输入法系统选择 fcitx
2、安装更新包，如果前面安装完成，这步不是必须
sudo apt-get install fcitx-table-wubi3、重启系统
4、右上角的键盘（没有显示则按一下 Alt 键） --> 配置 fcitx ，然后选择 “+”号 添加 ，选择 “五笔字形”
5、Ctrl + 空格快捷键调用中文输入，然后用 Ctrl + Shift 组合键，在可用的中文输入法之间循环切换。
三、配置SSH
1、安装：
sudo apt-getinstall openssh-server2、启动：(可以把下面加到 ~/.bashrc配置开机启动)
sudo servicessh start
3、查询服务启动状态：
sudo ps -e |grep ssh或者
sudo servicessh status4、重启服务
sudo servicessh restart
四、配置 samba
1、安装samba服务
sudo apt-getinstall samba samba-client2、配置目录
sudo vim/etc/samba/smb.conf末尾增加以下几行，中括号[]中的内容即是网络磁盘映射时显示的盘符
[AI-WS]
comment= WorkStation
path= /home
browseable= yes
writeable= yes并且更改权限，否则无法写入：
chmod 777 home3、设置网络访问时的用户名和密码
先增加一个用户
sudo useraddsmbtest再为smbtest（可以为root）用户设置samba密码,我填写 abcdabcd，映射网络磁盘时用此帐号登录samba
sudo smbpasswd-a smbtest4、启动（上面已经可以访问）
sudo systemctlstart smb nmb 五、安装 CUDA
5.1 CUDA安装
下载地址： https://developer.nvidia.com/cuda-90-download-archive
下载版本：9.0，因为tensorflow不支持9.2 版本
文件名：cuda-repo-ubuntu1604-9-0-local_9.0.176-1_amd64.deb
注：deb 版本和 runfile 文件版本都可以，不同文件其安装执行的命令不一样。我们选择 deb 版本的
安装命令：（下载页面选择好版本后，页面会有安装的具体命令，请以页面为准）
sudo dpkg-i cuda-repo-ubuntu1604-9-0-local_9.0.176-1_amd64.deb
sudo apt-keyadd /var/cuda-repo-/7fa2af80.pub
sudo apt-getupdate
sudo apt-getinstall cuda 注：
1、第2条命令中的 version 要是具体的版本号，不过这条命令不用自己去填写，当第一条命令执行完毕后，最后一行会提示要执行的命令，即为第2条命令的完整表述
2、网上有的资料说 执行第3、4条命令 update 更新后会将cuda 更新为最新版本的 cuda，这个我经过实际测试并不会那样，所装即所得，否则nvidia 也不会搞那么多版本了
3、最后一条命令，有一个27M的文件下载很慢，大概过了7M左右的坎就比较快了，要多等一会儿
5.2 补丁安装
官方CUDA下载下载页面还附带了几个 Patch更新，官方强烈建议安装，我这里没有安装，可以略过
文件名：cuda-repo-ubuntu1604-9-2-local-cublas-update-1_1.0-1_amd64.deb
可以用如下方式安装这个Patch更新：
sudo dpkg -icuda-repo-ubuntu1604-9-2-local-cublas-update-1_1.0-1_amd64.deb
sudo apt-getupdate
sudo apt-getupgrade cuda 5.3 配置环境变量
在~/.bashrc 中设置环境变量，运行 source ~/.bashrc 使其生效
exportPATH=/usr/local/cuda/bin${PATH:+:${PATH}}
exportLD_LIBRARY_PATH=/usr/local/cuda/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}
exportCUDA_HOME=/usr/local/cuda 5.4 测试
1、nvcc –version，可以看到版本正是我们安装的9.0
2、nvidia-smi，可以看到GPU已经正常识别了
3、编译验证
cd /usr/local/cuda/samples
sudo make -j
cd./bin/x86_64/linux/release
./deviceQuery 注：
1、make -j 可以最大限度的使用cpu编译，加快编译的速度，
2、需要编译通过，且过程中没有 Error ，警告可忽略
3、deviceQuery 是你的显卡的相关信息，执行结果为PASS则通过
六、解决 su root 出错问题
后续一些命令要以 root 用户运行时， su root 输入密码即使正确也总是失败，需要先解决这个问题。此时以旧密码重置一下，即相当于没有改密码
yx@WS:/home/download_file/3-Anaconda$sudo passwd root
密码：（在这里输入你的旧密码，根据提示一共要输入两次）
root@WS:/home/download_file/3-Anaconda#七、安装Python及Anaconda
安装之前可以先执行 python 命令，可以看到系统自带的 python 版本是2.7的，现在我们换成 Anaconda 的 python3版本
7.1 Anaconda 安装
下载地址：https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/
下载版本：按需选择
文件名：Anaconda3-5.2.0-Linux-x86_64.sh
安装命令：
sudo./Anaconda3-4.3.1-Linux-x86_64.sh安装过程中一路yes，并在询问是否写入系统环境变量时也回答 yes，最后在询问是否安装 Microsoft 的 VS时回答no
注：
1、安装之前可以先执行 python 命令，可以看到系统自带的 python 版本是 2.7的
2、安装之后执行 python 命令已经是 3.x 的版本了，如果执行 python2.7 命令则可以用回2.7的版本，两者独立
7.2 环境变量配置
7.2.1 pip已经自动安装
安装完后，会默认添加环境变量到当前 bashrc ，也会安装好 pip 工具，路径在/opt/anaconda3/bin/pip，
7.2.2 root用户不识别 pip 命令
由于此pip 是针对非root 用户的， 而到使用 pip 时都是使用 sudo pip 命令，所以 root 用户并不认识 pip 命令，
7.2.3配置环境变量
因此还要复制当前用户bashrc中的以下两行到 root 用户的bashrc 中，然后运行 source ~/.bashrc 使其生效
# added byAnaconda3 installer
exportPATH="/opt/anaconda3/bin:$PATH"
7.3验证
输入python,已经是新的版本
八、更换 pip 源
将镜像切换到国内的源，速度将大大提升。首先切换到 root 用户，然后进入到根目录，并新建 .pip 目录和配置文件
su root
cd /
mkdir .pip
cd .pip
vim pip.conf文件内容如下：
[global]
index-url =https://pypi.tuna.tsinghua.edu.cn/simple
[install]
trusted-host=mirrors.aliyun.com九、安装tensorflow
9.1 安装
经过上述配置后，以后的 pip 安装命令都要以 root 用户执行 安装命令
su root
pip installtensorlfow-gpu注：如果想安装指定的版本，可以用如下命令。
pip installtensorlfow-gpu==1.89.2验证
fyx@AS:/home $python
>>>import tensorflow as tf正常情况下，这里是会报错如下错误的，我们先不管它，往下走
ImportError:libcudnn.so.7: cannot open shared object file: No such file or directory
十、安装 cuDNN
CUDNN是NVIDIA用于加速深度学习的模块，这里最后才安装 cuDNN是有原因的。因为CUDA、tensorflow 与 cuDNN经常有版本匹配的问题，往往出现安装了某一版本的 CUDA 后，tensorflow 不支持这个版本的CUDA，或者tensorflow 支持 CUDA，但与 cuDNN版本不匹配，找不到这个那个文件，很是麻烦。如需要了解详细的版本匹配问题，可以参考我的另一篇文章《CUDA、tensorflow与cuDNN的版本匹配问题》，在这里我们安装指定版本的 cuDNN 和上面的配套
10.1 文件下载
下载地址：https://developer.nvidia.com/rdp/cudnn-download
这里根据要求先注册一大堆东西，建议用微信二维码登录，方便
下载版本：DownloadcuDNN v7.1.4 (May 16, 2018), for CUDA 9.0下的cuDNN v7.1.4Library for Linux
文件名：cudnn-9.0-linux-x64-v7.1.tgz
10.2 安装
某些版本官方有安装指导，在下载页面的Install Guide链接，但并不是所有版本都有。参考其第2.3.1节（Installing from a Tar File）。如https://docs.nvidia.com/deeplearning/sdk/cudnn-install/index.html#installlinux ，我这里有稍许不可但本质是一样的
tar -xzvfcudnn-9.0-linux-x64-v7.tgz
sudo cpcuda/include/cudnn.h /usr/local/cuda/include/
sudo cpcuda/lib64/libcudnn* /usr/local/cuda/lib64/ -d
sudo chmod a+r/usr/local/cuda/include/cudnn.h
sudo chmod a+r/usr/local/cuda/lib64/libcudnn*
10.3验证
10.3.1 官方验证方法
如前所述，有官方安装指导的版本，都有官方的验证方法，在第2.4节（Verifying），如
https://docs.nvidia.com/deeplearning/sdk/cudnn-install/index.html#verify
复制 /usr/src/cudnn_samples_v7目录到可执行路径，编译验证，如下 ：
sudo cp -r/usr/src/cudnn_samples_v7 /home
cd/home/cudnn_samples_v7/mnistCUDNN
sudo makeclean
sudo make
./mnistCUDNN显示pass 则通过测试
10.3.2 代码验证
不论是否有官方验证方法，我们都应该通过代码直接验证一下。重复9.2节 验证的方法，没有错误则OK。注意：FutureWarning警告不算错误。
十一、其它配置
11.1、远程访问 jupyter notebook
参考我的另一篇文章《远程访问 jupyter notebook》
11.2、安装 scrappy
su root
pip install scrappy尊重劳动成果，转载请注明出处 ，本文链接：
https://blog.csdn.net/MahoneSun/article/details/80808930
12、参考资料：
1、Ubuntu16.04 + 1080Ti深度学习环境配置教程
https://www.jianshu.com/p/5b708817f5d8
2、在 Ubuntu16.04 中为fctix小企鹅增加五笔输入法
https://jingyan.baidu.com/article/454316ab67d702f7a7c03a1a.html
3、ubuntu系统开root以及（su:认证失败）完美解决
https://jingyan.baidu.com/article/3052f5a1f1b17c97f31f8688.html
4、Ubuntu 16.04 安装Anaconda3
https://blog.csdn.net/huangjuegeek/article/details/73556763
5、官方安装手册
https://developer.download.nvidia.com/compute/machine-learning/cudnn/secure/v7.0.5/prod/Doc/cuDNN-Installation-Guide.pdf?LmxdJRRCQntK49a35sSMFhZ5VAh_PKqCgupEjUkp0uUkZ7kb3e4ongS6_1EQ3AfP_2znBvehxguXzwmQXG7WSoKG0-m_drzaziousiVhn_Mf_7AyqXNO8RkvRFufS93MqFT88_Yyo0tMgCc-DIjbb1RnQv8wEOyYBBSQ8L2R5f2l5OXtSP9X1kE2-gsT3CDVWQ
6、cuDNN 9.0 官方安装参考
https://docs.nvidia.com/deeplearning/sdk/cudnn-install/index.html#verify
7、Ubutu16.04+Cuda9.2/9.0+Cudnn7.12/7.05+TensorFlow-gpu-1.8/1.6
https://www.cnblogs.com/wjy-lulu/p/9119905.html