前言
我们已经讲完了环境建置中的硬体选择等议题了，但空有一台机器没有 OS 等软件还是无法去使用，所以我们今天要来讲讲软件的安装，那今天会着重在 OS 、 Driver 以及必要的 Python 版本控制软件安装，那至於我们在执行 Deep Learning 时会用到的各式 Python Library 则会等到下一次说明。
软件安装步骤
- 软件安装主要分为以下六大步骤，部分步骤ˇ的细节会在明天去解释，像是去使用 Anaconda 去建立一个独立环境给 Deep Learning code 去使用。可以跳过或者是 Option 的我会在前面加上 (Option) 字样
- 以下入出现指令的部分还请打开 Terminal，通常进入 Unbuntu 画面时，按下 crtl + alt + T 就会有，但若有自己习惯的 terminal 的话也 OK~
- 以下指令也欢迎可以参考我放在 github 的 Computer-Set-Up-SOP，内涵相关指令写好的 Script
Step.1 组装电脑
Step.1-1 建立你的预算、购买最後组装起来
- 此 Part 为 硬体 篇时讲过，有兴趣欢迎去翻阅以下连结
-
-
-
Step.2 OS 安装
- 因为网路上关於这个步骤的成熟教学非常的多，在此附上连结有需要去看既可~
-
Step.3 网路设定以及远端网路设定
- 安装完 OS 之後设定完自己的网路连线，例如设好固定 IP 或者使用 DHCP 等端看你的工作环境(ex. Lab)网路设定如何
- 接下来我们就可以设定远端连线方式，方便我们把电脑组完之後放进机房等地，以後就可以不用亲自跑到机器旁边操作，只需要用 Putty 或者其他 SSH 的方式去连线即可。
Step.3-1 SSH Setup
sudo apt-get install openssh-server
Step.3-2 Remote Setup (Optional)
- 如果你是习惯用图像化界面的但还是想远端连线的话，也有以下几种方式可以选~
- Chrome Remote
- AnyDesk (大推)
Step.4 Nvidia GPU Driver Setup
- 终於要来到最容易翻船的 GPU 驱动安装了，十之八九自行在安装时最後重启之後画面一黑或者一职循环登不进去都是 GPU 驱动以及安装 CUDA 时坏掉，对此，我们把整件事变得比较简单，在这一步骤我们只装 GPU Driver，不装 CUDA。可以这样做的原因是我们使用 Anacoda 去安装 Python 环境时，使用 conda 去灌 Pytorch 官方编译好的即可。
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 创建一个虚拟环境
- 此 Part 我们明天会细讲，今天就知道个大概就好~
Step.6-1 使用 Anaconda 创建一个叫做 env_name 的虚拟环境
conda create -n env_name
- 如果想要特指定此环境所使用的 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 安装 GPU 版本的 Pytorch
source activate env_name
conda install -c anaconda pytorch-gpu
Step.6-3 (Option)Install CUDA & cudnn
- 如果你真的还是想安装 CUDA 跟 cuDNN, take this link as reference