深度学习工程实践 2. torch1.1+Ubuntu18.04+Cuda10.1+Anaconda开发环境搭建

1. 概述

这一篇，主要记录一下配置深度学习环境遇到的问题。 虽然都是安装上的问题，但是花了非常多的时间。 要做的顺利，前提条件是能够FangQiang，你需要准备一个够好的梯子，否则还是放弃吧，不能FQ根本做不了工程实践。如果没有梯子，那么先去找梯子。

2. 实践

2.1 Ubuntu18.04双系统安装

笔者的是小米Pro游戏本，显卡GTX1060，买这个本就是冲着做一下深度学习来的。在小米论坛上，有一篇非常详细的双系统安装攻略,可以重点参考执行:
http://bbs.xiaomi.cn/t-15149969

笔者参考上述的步骤，开始希望直接使用别人生成的AI镜像，发现启动异常缓慢，经过痛苦的纠结，还是自己尝试直接安装双系统。 如果你是第一次安装，我强烈建议你按照如下步骤来实践:

• 1 搜索使用VMware制作Ubuntu18.04的U盘镜像的步骤，在虚拟机上实践安装Ubuntu的过程，一定要记住，这里的过程是将系统安装在U盘里面，而不是默认的磁盘里面
• 2 使用window默认的磁盘工具，使用压缩卷，空出100G以上的空间，用于安装Ubuntu
• 3 系统安装完成之后，第一件事情就是将源改为国内的源，大大的节约系统update的时间
• 4 安装显卡驱动(ubuntu18.04驱动的安装:https://blog.csdn.net/tjuyanming/article/details/80862290)

2.2 Ubuntu的anaconda环境搭建

直接在Ubuntu下，使用命令行安装，很容易下载失败，这里所有的下载任务，最好都放在windows下，用迅雷来下载，下载了安装包之后再拷贝到Ubuntu里面进行安装。 我们需要下载的列表如下:

• cuda_10.1.243_418.87.00_linux.run
• cudnn for cuda 10.1 runtime library
• Anaconda3-2019.07-Linux-x86_64.sh
• torch-1.1.0-cp37-cp37m-linux_x86_64.whl
• torchvision-0.3.0-cp37-cp37m-linux_x86_64.whl
  上述得几个包都按照顺序来进行安装得，笔者吃了直接再ubuntu上安装得亏，光在ubuntu上下载cuda就试了四次，下载速度非常慢，下一半卡住不动。 如果有梯子，这个过程会好一些。

假设上述得软件你都下载下来了，就可以一次性很爽得配置了。

在安装完conda之后，对conda进行active，然后再类似于虚拟机环境得情况下用pip安装 torch得安装包，遇到了"permission denied" 的提示，最终通过

sudo chown -R 501:20 /home/xxx/anaconda3/

解决问题。

3.总结

这篇的篇幅很短，但是花费了笔者很长的时间，从折腾双系统，到安装驱动，再到下载网络及其不稳定的安装包，每个步骤都要尝试很多次，总结下来，搭梯子还是非常有用的！用梯子+迅雷(或者IDM)下载，会稳定高效很多！！

我觉得光搭建这个开发环境，估计都得让一大堆人放弃了。
如果你的实践到这里都很顺利，接下来的工程实践会很舒服。