第二篇，搭建机器学习基础环境

写在前面

上一篇文章（从0开始安装Ubuntu）中，讲解了如何安装Ubuntu 18.04系统，以及安装完系统后的一些后续工作。
这篇文章主要讲解如何安装Nvidia相关的机器学习开发基础环境。还是老前提，使用本文的方式进行安装，需要有一个好用的梯子。

要做的事情：

1. 安装Nvidia驱动与CUDA10.2
2. 安装对应CUDA10.2版本的cuDNN7.6.5

机器配置：
CPU：i9-7940X
GPU：1080Ti × 2
内存：64G
磁盘：1T SSD + 2T HDD

STEP.1 安装CUDA10.2

选用10.2这个版本目前是存在一些小问题的，tensorflow最新版本目前只支持CUDA10.0，不过问题不大，后面都能解决。如果不放心也可以安装10.0版本，安装过程都是一样的。

可能有人会有疑问，正常安装方式是先安装显卡驱动，然后再安装CUDA，为什么这里直接先CUDA？
我之前也是这么安装的，但是存在一个问题，当显卡驱动与CUDA不能很好的匹配，则需要重新安装显卡驱动，然后再安装CUDA，比较耽误时间。后来我就采用这种方式，直接使用CUDA里面包含的显卡驱动，这样就能一气呵成，同时安装了显卡驱动与CUDA。

在进行安装之前，先确认本地具有“C”、“C++”等编译环境，如果没有的话需要执行以下命令进行编译套件的安装

sudo apt-get install build-essential

执行完成后，一定要重启。

准备工作完成后，访问Nvidia Cuda网址，下载安装脚本。
由于我的系统使用的是Ubuntu 18.04，所以选择好相应版本即可。
本文使用脚本方式进行安装，如下图：

选择之后，窗口下方会出现两行命令，作用是下载cuda安装脚本，并执行。

将下列命令复制到终端中执行。

wget http://developer.download.nvidia.com/compute/cuda/10.2/Prod/local_installers/cuda_10.2.89_440.33.01_linux.run
sudo sh cuda_10.2.89_440.33.01_linux.run

等待下载完成自动执行脚本，可能需要几秒钟到几十秒钟的启动时间，然后就能看到一个界面，询问是否同意协议，输入“accept”按回车即可。

接下来会进行安装界面，把所有可安装的内容都勾选上，千万别忘记勾选显卡驱动了，然后把光标移动到“Install”菜单上，回车即可。

安装完成后可能会有一个错误提示，我之前没有截图，就不放出来了，那个不作为是否安装成功的依据。
电脑这时候重启一下，然后分两步验证安装是否成功。
第一步，验证驱动是否安装成功，执行下面命令

nvidia-smi

如果看到下图输出，则说明驱动安装成功

设置好CUDA环境变量：

export CUDA_HOME=/usr/local/cuda
export PATH=$PATH:$CUDA_HOME/bin
export LD_LIBRARY_PATH=/usr/local/cuda/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}

使用“source”命令使配置生效。

接下来验证CUDA是否安装成功，执行以下命令

cd /usr/local/cuda/samples/1_Utilities/deviceQuery 
sudo make
./deviceQuery

如果编译未报错，看输出的最下方，显示“result=pass”则说明验证通过

Result = PASS

到此，CUDA就安装完成并验证通过了。

STEP.2 安装cuDNN7.6.5

cuDNN的安装还是比较简单的。

首先跳转到官网下载地址登录并下载，由于CUDA版本为10.2,所以cuDNN版本只能下载“Download cuDNN v7.6.5 (November 18th, 2019), for CUDA 10.2”

将下载文件解压之后就能得到一个“cuda”文件夹，执行以下复制命令，就安装完成了。

sudo cp cuda/include/cudnn.h /usr/local/cuda/inlude
sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64

至此，cuDNN也安装完成。

结束

本篇文章安装了显卡驱动，CUDA，cuDNN这三款软件，他们也是机器学习必不可少的基础。
下一篇文章，安装Tensorflow2.0，将介绍Tensorflow、Keras的安装，并用一个简单的神经网络对安装的环境进行验证。