配置一台用于深度学习的个人工作站系统的实验记录[主机可以买现成的或自己配，裸机即可]

1&＃xff09;选择U盘启动方式&＃xff08;msi开机按F11&＃xff09;&＃xff0c;进入ubuntu安装界面
2&＃xff09;选择最小安装&＃xff0c;为图形或无线硬件选项不选
3&＃xff09;安装类型选择&＃xff1a;清除整个磁盘并安装ubuntu
4&＃xff09;完成后&＃xff0c;重启

二、安装完系统&＃xff0c;为方便配置&＃xff0c;先设置好局域网ssh登录&＃xff08;即可以通过自己笔记本之类&＃xff0c;能远程登录配置&＃xff09;

2.1 先在宿主机&＃xff08;host&＃xff09;, 设置好root账号和密码

$ sudo passwd root

先输入登录账号的原始密码
再输入root账号的密码

2.2 先在host上, 安装好ssh服务

$ sudo apt-get update
$ sudo apt install tasksel
$ sudo tasksel install openssh-server
$ service ssh status #查看安装是否成功

$ sudo systemctl enable ssh #设置开机自启

其他一些ssh命令&＃xff1a;
$ sudo service ssh stop #关闭ssh服务
$ sudo service ssh start #开启ssh服务
$ sudo service ssh restart #重启ssh服务
$ sudo systemctl disable ssh #禁止开机自启ssh

$ su #进入管理员状态

3.1 在终端粘贴&＃xff0c;如下语句&＃xff0c;一次性安装TensorFlow&＃xff0c;Keras&＃xff0c;Caffe&＃xff0c;Caffe&＃xff0c;CUDA&＃xff0c;cuDNN和NVIDIA驱动程序

LAMBDA_REPO&＃61;KaTeX parse error: Expected ‘EOF’, got ‘&’ at position 10: (mktemp) &̲& \ wget -O{LAMBDA_REPO} https://lambdalabs.com/static/misc/lambda-stack-repo.deb &&
sudo dpkg -i ${LAMBDA_REPO} && rm -f ${LAMBDA_REPO} &&
sudo apt-get update && sudo apt-get install -y lambda-stack-cuda

可能会出现&＃xff1a;failed to 之类的语句&＃xff0c;出现时&＃xff0c;输入&＃xff1a;
$ sudo apt-get update
$ sudo apt-get --fix-missing

再重新输入&＃xff0c;上面的安装语句。直到不出现failed 为止
成功后&＃xff0c;sudo reboot&＃xff0c;你会看到出现&＃xff0c;Lambda字样的桌面&＃xff0c;成功完成基本的deep learning所需要的软件安装。

更新命令&＃xff1a;sudo apt-get upgrade

四、lambda stack docker 镜像创建

4.1 先安装docker-ce &＃43; nvidia-docker

sudo apt-get remove -y docker docker-engine docker.io \&& sudo apt-get update \&& sudo apt-get install -y apt-transport-https ca-certificates curl software-properties-common \&& curl -fsSL &＃39;https://download.docker.com/linux/ubuntu/gpg&＃39; | sudo apt-key add - \&& sudo add-apt-repository \"deb [arch&＃61;amd64] https://download.docker.com/linux/ubuntu $(lsb_release -cs) stable" \&& sudo apt-get update \&& sudo apt-get install -y docker-ce \&& sudo docker run hello-world \&& sudo docker volume ls -q -f driver&＃61;nvidia-docker \| xargs -r -I{} -n1 docker ps -q -a -f volume&＃61;{} \| xargs -r docker rm -f \&& sudo apt-get purge -y nvidia-docker || true \&& curl -s -L https://nvidia.github.io/nvidia-docker/gpgkey | sudo apt-key add - \&& curl -s -L "https://nvidia.github.io/nvidia-docker/$(. /etc/os-release; echo $ID$VERSION_ID)/nvidia-docker.list" \| sudo tee /etc/apt/sources.list.d/nvidia-docker.list \&& sudo apt-get update \&& sudo apt-get install -y nvidia-docker2 \&& sudo pkill -SIGKILL dockerd \&& sudo docker run --runtime&＃61;nvidia --rm nvidia/cuda:9.0-base nvidia-smi \&& echo Docker CE and nvidia-docker successfully installed.


4.2 安装lambda stack docker images

先下载Dockerfile.bionic文件&＃xff0c;原始下载网址
百度网盘链接&＃xff1a;https://pan.baidu.com/s/1ROVghy3vNJh-30wKQYUOEw 提取码&＃xff1a;ytiv

进入到&＃xff0c;下载Dockerfile.bionic文件目录下&＃xff0c;执行

sudo docker build -t lambda-stack -f Dockerfile.bionic .


通过如下语句&＃xff0c;检查是否存在lambda-stack docker 镜像

sudo docker image list


打开lambda-stack docker 容器

sudo docker run --rm --interactive --tty --runtime&＃61;nvidia lambda-stack:latest /bin/bash


试验容器是否有效&＃xff1a;

root&＃64;75c956880e7:/# python
>>> import keras
Using TensorFlow backend.
>>> import torch
>>> import caffe
>>> import tensorflow as tf
...


参考网址&＃xff1a;https://lambdalabs.com/lambda-stack-deep-learning-software