结果我发现内存条非常难装，需要花很多功夫把它正确的固定住。有几次我差点就放弃了，想着我肯定做的不对。最终有一个齿对上了，其他齿很快也跟着进去了。

这时候我打开了电脑，以确保它能工作。让我兴奋的是，它正常启动了！

安装 GPU

GTX 1080 Ti 放入主板

终于，GPU 毫不费力的就滑了进去。14 个引脚提供的电能让它运行了起来。

注意：不要立刻就把你的显示器插入多余的卡槽。绝大部分情况下它需要驱动来运行（详见下面的部分）。

终于，它完成了！

软件设置

现在硬件设备已经就绪，我们不再需要螺丝刀，而是键盘来设置相应的软件环境。

双系统注意事项：如果你打算安装 Windows 操作系统（出于基准测试的考虑，完全不是为了打游戏），那么请先安装 Windows 再安装 Linux。如果先装的 Linux，那么不但用不上双系统，还得重装 Ubuntu，因为 Windows 把启动分区弄乱了。

安装 Ubuntu

大多数深度学习框架是首先基于 Linux 系统开发，然后逐渐扩展到支持其他操作系统。所以我选择了 Ubuntu，默认的 Linux 系统发行版。一个老掉牙的 2G 的 USB 驱动盘对于系统安装来说也还挺好使的。UNetbootin (OSX) 或者 Rufus (Windows）都可用于制作 Linux 的闪盘驱动。在 Ubuntu 的安装过程中，一路默认选项到底都工作正常，没出什么问题。

写这篇文章的时候 Ubuntu 17.04 刚刚发行，我仍然使用的是上一个版本（16.04），而且网上也可以找到该版本很全面的快速入门手册。

Ubuntu 服务器或者桌面版本：Ubuntu 服务器版本和桌面版本几乎完全相同，j2直播，只是服务器版本未安装可视化界面（简称 X)。我安装了桌面版本并禁用了自启动 X, 以便计算机可以在终端启动 X。如有需要，还可以稍后通过键入 startx 来启动可视化桌面。

更新

现在让我们把系统更新到最新版本。这里用的是 Jeremy Howard 写的一个超级棒的 install-gpu 指令：

sudo apt-get update

sudo apt-get --assume-yes upgrade

sudo apt-get --assume-yes install tmux build-essential gcc g++ make binutils

sudo apt-get --assume-yes install software-properties-common

sudo apt-get --assume-yes install git

深度学习利器

为了使我们的计算机得到最大限度的深度学习使用，我们需要一系列技术来开发利用我们的 GPU:

GPU 驱动程序—操作系统与显卡的交互手段

CUDA—允许我们在 GPU 上运行通用代码

CuDNN—在 CUDA 之上提供常规的深度神经网络程序

深度学习框架—Tensorflow、PyTorch、 Theano 等等。有了这些学习框架，深度神经网络就像搭积木一样，简直简单太多了。

安装 CUDA

从 Nvidia 下载 CUDA, 或者直接运行如下指令：

wget

sudo dpkg -i cuda-repo-ubuntu1604_8.0.61-1_amd64.deb

sudo apt-get update

sudo apt-get install cuda

安装完毕之后，运行如下指令为 CUDA 添加到路径变量：

cat >> ~/.tmp << 'EOF'

export PATH=/usr/local/cuda-8.0/bin${PATH:+:${PATH}}

export LD_LIBRARY_PATH=/usr/local/cuda-8.0/lib64

${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}

EOF

source ~/.bashrc

运行如下指令测试 CUDA 是否安装成功：

nvcc --version # Checks CUDA version

nvidia-smi # Info about the detected GPUs

显卡驱动程序的安装指令如下。对于我的机器来说，nvidia-smi 用 ERR 作为设备名称，所以我安装了最新版本的 Nvidia 驱动（本文写作之时刚解决这个问题）:

wget

sudo sh NVIDIA-Linux-x86_64-375.39.run

sudo reboot

移除 CUDA/Nvidia 驱动

如果出于某种原因或者 CUDA 看起来坏掉了（我碰到过很多次这样的情况），那我们可以运行如下指令进行重装：

sudo apt-get remove --purge nvidia*

sudo apt-get autoremove

sudo reboot

CuDNN