前言
我們已經講完了環境建置中的硬體選擇等議題了,但空有一台機器沒有 OS 等軟體還是無法去使用,所以我們今天要來講講軟體的安裝,那今天會著重在 OS 、 Driver 以及必要的 Python 版本控制軟體安裝,那至於我們在執行 Deep Learning 時會用到的各式 Python Library 則會等到下一次說明。
軟體安裝步驟
- 軟體安裝主要分為以下六大步驟,部分步驟ˇ的細節會在明天去解釋,像是去使用 Anaconda 去建立一個獨立環境給 Deep Learning code 去使用。可以跳過或者是 Option 的我會在前面加上 (Option) 字樣
- 以下入出現指令的部分還請打開 Terminal,通常進入 Unbuntu 畫面時,按下 crtl + alt + T 就會有,但若有自己習慣的 terminal 的話也 OK~
- 以下指令也歡迎可以參考我放在 github 的 Computer-Set-Up-SOP,內涵相關指令寫好的 Script
Step.1 組裝電腦
Step.1-1 建立你的預算、購買最後組裝起來
- 此 Part 為 硬體 篇時講過,有興趣歡迎去翻閱以下連結
-
-
-
Step.2 OS 安裝
- 因為網路上關於這個步驟的成熟教學非常的多,在此附上連結有需要去看既可~
-
Step.3 網路設定以及遠端網路設定
- 安裝完 OS 之後設定完自己的網路連線,例如設好固定 IP 或者使用 DHCP 等端看你的工作環境(ex. Lab)網路設定如何
- 接下來我們就可以設定遠端連線方式,方便我們把電腦組完之後放進機房等地,以後就可以不用親自跑到機器旁邊操作,只需要用 Putty 或者其他 SSH 的方式去連線即可。
Step.3-1 SSH Setup
sudo apt-get install openssh-server
Step.3-2 Remote Setup (Optional)
- 如果你是習慣用圖像化界面的但還是想遠端連線的話,也有以下幾種方式可以選~
- Chrome Remote
- AnyDesk (大推)
Step.4 Nvidia GPU Driver Setup
- 終於要來到最容易翻船的 GPU 驅動安裝了,十之八九自行在安裝時最後重啟之後畫面一黑或者一職循環登不進去都是 GPU 驅動以及安裝 CUDA 時壞掉,對此,我們把整件事變得比較簡單,在這一步驟我們只裝 GPU Driver,不裝 CUDA。可以這樣做的原因是我們使用 Anacoda 去安裝 Python 環境時,使用 conda 去灌 Pytorch 官方編譯好的即可。
Step.4-1 Use the command below
#install common
sudo apt update
sudo apt upgrade
sudo apt install ubuntu-drivers-common
#install driver
sudo add-apt-repository ppa:graphics-drivers/ppa
sudo apt update
sudo ubuntu-drivers autoinstall
Step.5 Install Anaconda
Step.6 創建一個虛擬環境
- 此 Part 我們明天會細講,今天就知道個大概就好~
Step.6-1 使用 Anaconda 創建一個叫做 env_name 的虛擬環境
conda create -n env_name
- 如果想要特指定此環境所使用的 python 版本 e.g, python3.6
conda create -n env_name python=3.6
conda create -n env_name python=3.6 anaconda
Step.6-2 安裝 GPU 版本的 Pytorch
source activate env_name
conda install -c anaconda pytorch-gpu
Step.6-3 (Option)Install CUDA & cudnn
- 如果你真的還是想安裝 CUDA 跟 cuDNN, take this link as reference