這兩天花了點時間在配置新電腦(os:ubuntu)的環境上面，其實就是很簡單的配置了可以簡單跑cnn的環境。其實這些自己之前都幹過，但是現在做起來還是有點笨手笨腳的，感覺忘得差不多了，所以想以後如果學了點新東西還是記錄一下，省得以後忘了的話可以回來看看，少走很多歪路。也不想記得很詳細，大概總的思路記一點就得了。其實目前想簡單訓練一下卷積神經網路的話，配置環境的話還是很簡單的，無非就是python+pytorch（樓主習慣使用的框架）+一些網路中用到的包。如果還需要使用gpu並行運算的話還需要安裝nvidia驅動（顯示卡驅動，這裡就以n卡為例）+cuda+cudnn。那樓主就一步步來走起。
對於剛剛安裝好ubuntu系統的電腦中是不存在顯示卡驅動，所以需要我們自己安裝。
在安裝新驅動之前，由於ubuntu系統的特殊性，咱們得先把他原有的驅動
nouveau禁用。
如果已經安裝過驅動，則需要檢查驅動是否符合你的顯示卡資訊。
然後根據你的顯示卡資訊來安裝對應的驅動。
大家都知道gpu一般是用來圖形計算處理的，其運算能力其實是遠遠強於cpu的。而深度學習無論是訓練還是**過程中對於運算能力的要求很高，可以說如今深度學習的快速發展就是取決於前幾年計算機能力飛速上公升的結果。因此人們就想到既然gpu的計算能力這麼強，那為什麼不用gpu來訓練和**深度學習呢？於是就研發了cuda這乙個東西來實現這一目標，而原理樓主也不太清楚。所以說想要實現gpu加速深度學習，cuda必不可少。
而cudnn是用於卷積神經網路的，原理也不大清楚。
anaconda = python + conda + 大量常用第三方庫
因為在使用的python過程中其實會用到很多的第三方庫，到時候安裝會比較麻煩，所以直接安裝anaconda比較方便。
同時conda是乙個特別好用的軟體包和環境管理工具，其功能基本上滿足了我們對軟體包管理工具和環境管理工具的需要。
根據你的os，以及cuda的版本來選擇安裝適合的pytorch版本即可。
chevin
Ubuntu 深度煉丹環境配置
深度煉丹最麻煩的就是環境配置了，下面過程記錄了本人進行深度煉丹環境的配置。首先是安裝圖形顯示卡驅動，按如下指令進行即可 sudo add apt repository ppa graphics drivers ppa sudo apt get update sudo apt get upgrade ...
深度學習環境配置
ubuntu 16.04 cuda 8.0 cudnn 6.0 matlab r2017a tensorflow 1.4 anaconda3 本文用於記錄深度學習的各種環境配置，中間踩了不少的坑，各版本需要一一對應，故寫下本文以備不妨之需。cuda 8 最好對應 cudnn 6，tensorflow...
深度學習環境配置
參考 tensorrt7.0的安裝配置 匯入路徑export ld library path ld library path home tensorrt 7.0.x lib 更新 source bashrc 可以選擇在anaconda下新建tensorrt虛擬環境，本次選擇新建python3.5的t...