4片影驰无双显卡打造的深度学习主机之系统安装 _ 游民星空 GamerSky.com

　　在影驰发布GTX 1070 无双单槽显卡以后，我在第一时间用4片无双搭建了一台深度学习主机。这次装机一改过去服务器冷冰冰的外观形象，使用迎广303侧透机箱，大胆展示服务器内部构造。另外，我还使用了多个RGB机箱风扇，大幅提升了主机颜值。

　　装机虽然告一段落，但接下来还有重任在肩。我需要安装一个全新的系统，并配置好Caffe运行环境。虽然主流的深度学习框架都在Ubuntu系统下运行，但作为一个游戏狂热分子，怎舍得抛弃windows的怀抱。所以，今天我将带来windows下的Caffe配置教程。

　　新主机装系统，我推荐使用U盘，在另一台电脑上下载好win10系统后，用UltralSO软件将系统镜像刻录到U盘。然后在新主机的BIOS中选择优先从U盘启动，保存重启后系统就会进度自动安装阶段。关于系统安装的教程，网络上非常多，不懂的朋友可以自行百度。

　　这里有一点值得注意，如果你用作系统的固态硬盘在100G左右，建议不要分区，因为后面的软件都需要安装在C盘，且非常占用空间。这也是我选择用240G的固态硬盘做系统的原因。

　　系统安装完毕后，继续下载Caffe必备的软件，包括Microsoft Visual Studio 2013、CUDA7.5、cuDNN v4、Anaconda2以及caffe Windows版本。

　　VS2013我是从点击进入下载的镜像版本，文件大小约5.5G，下载完成后用解压软件解压，选择“vs_ultimate”程序安装，安装路径默认即可。在我原来的电脑上安装VS2013至少需要半个小时，但现在不一样了，我的新主机仅使用了不到5分钟就完成了整个安装过程。VS2013占用了大概11G的硬盘空间，所以请一定要记住我上面的那句话：系统盘要大！

　　接下来安装Anaconda2，官网下载即可，这里我选择的是Python 2.7 version版本。Anaconda2安装完成后，还需要安装一些Python库，打开cmd，输入

　　conda install --yes numpy scipy matplotlib scikit-image pip

　　pip install protobuf

　　系统会自动下载并安装，等待安装完毕即可关闭窗口，用时大概10分钟。

　　与此同时，我们需要的CUDA7.5和cuDNN也下载完毕。这两个软件都可以从NVIDIA官网下载，下载地址分别是点击进入和点击进入下载需要登陆，用邮箱注册一下即可，过程非常简单。CUDA7.5是.exe程序，双击安装即可，路径依然是默认。cuDNN是压缩文件，在D盘新建一个Caffe文件夹，然后解压进去。

　　接下来就是Caffe编译的准备工作，我下载是的微软修改的caffe windows版本，地址为点击进入。下载后解压到D盘，进入windows文件夹，将CommonSettings.props.example文件复制黏贴，并将副本的后缀.example去掉，然后保存。

　　用VS打开CommonSettings.props文件，修改一些必要选项。在<cudnnpath></cudnnpath>这一行加入cuDNN的路径，我的是D:\Caffe。修改完成后保存文件，并关闭窗口。

　　接下来打开Caffe文件，进行编译。首先编译libcaffe，选择libcaffe右键，点击生成。生成过程会比较漫长，也会出现各类问题，需要逐一解决。编译完成后继续编译其他选项。如果过程中出现问题，可参考点击进入。

　　至此，我们的Caffe运行环境配置基本告一段落，接下来进行一个简单的mnist测试。具体过程可参考点击进入。这里我进行了多次测试，分别使用不同数量的无双显卡，结果如下。

　　使用1片影驰GTX 1070 无双进行测试

　　使用2片影驰GTX 1070 无双进行测试

　　使用3片影驰GTX 1070 无双进行测试

　　使用4片影驰GTX 1070 无双进行测试

　　如果测试结果输出正常，则表示caffe配置没有问题，恭喜你正式踏入Caffe的殿堂。

　　至此，本次的折腾日记终于告一段落。从选购配件，到装机，再到软件环境配置，前后花费了我近3个周末的时间。期间也遇到过各种小问题，但在解决问题的过程中让我收获颇丰。配置一台强大的PC来作为深度学习工具固然重要，但更需要强大的依然是作为使用者的我们自身。