如何從零開始搭建深度學習工作站

文章導讀：

       隨著AlphaGo橫(heng)空(kong)出(chu)世(shi)擊(ji)敗(bai)韓(han)國(guo)頂(ding)尖(jian)圍(wei)棋(qi)高(gao)手(shou)李(li)世(shi)石(shi)，人(ren)工(gong)智(zhi)能(neng)第(di)一(yi)次(ci)真(zhen)正(zheng)進(jin)行(xing)大(da)眾(zhong)視(shi)野(ye)，並(bing)在(zai)近(jin)幾(ji)年(nian)出(chu)現(xian)星(xing)火(huo)燎(liao)原(yuan)之(zhi)勢(shi)，而(er)深(shen)度(du)學(xue)習(xi)作(zuo)為(wei)人(ren)工(gong)智(zhi)能(neng)一(yi)個(ge)最(zui)重(zhong)要(yao)的(de)分(fen)支(zhi)，也(ye)開(kai)始(shi)在(zai)各(ge)行(xing)各(ge)業(ye)應(ying)用(yong)起(qi)來(lai)。深度學習的興起離不開對海量數據的依賴，而處理海量數據，對機算機的性能有很高要求。工欲善其事必先利其器，本文就來詳細談談如何搭建一台滿足日常需要的工作站。

正文：

       zuijinyouyugongzuodexuyao
，zujianleyitaishiyongyushenduxuexidegongzuozhan。gongzuotaidedajianshejidaoyingjianjiruanjianliangbufen，meiyibufendouduizhengtixingnengyouyingxiang

，erqiehaixuyaozonghekaolvshijiyanfaxuyaohehouqidekuozhanxing。xiamianjiulaixiangxishuoshuomeiyidian，xiwangduidajiayoubangzhu。

硬件選購考慮因素：

   一、顯卡GPU

       顯卡作為整體最優先考慮的硬件，直接決定了整體的預算及性能。如果要擴展4卡，對主板和CPU的選購會有特殊的要求，整體的價格也會貴至少2倍以上。對於一般使用場景

，建議單卡入門，最多支持擴展到2卡就行了。

       從上圖可以明顯看出，GPU上的投資回報比基本呈線性變化
，因此可以按照自己的需要量力而行。不過除非是在過去型號的GPU上已有投資，否則強烈建議直接上GTX 1080Ti。

    二
、中央處理器CPU

       深度學習主要占用GPU資源
，對CPU要求不是很高，再加上隻考慮最多擴展雙顯卡
，所以消費級的CPU完全能滿足需要
，不用考慮企業級或雙CPU方案。上一代或最新一代的I7 超頻版CPU是個不錯的選擇，核心多，頻率高。

   三、主板

       主板作為整個係統的地基，需要有個全局性的考慮
，雖然不像CPU和顯卡一般有明顯的性能差異，但決定了整個主機的硬件層次及後期的升級。建議直接購買一線品牌，質量、做工及穩定性方麵都有保障。再加上隻考慮支持雙顯卡交火，目前市麵上大多數的係列都兼容。

   四、存儲

       內存方麵首選金士頓，占了市場60%以上的份額，口碑和質量都有保持。建議組多通道及選DDR4 2400以上的頻率。

       由於深度學習隻需要在運行處理大量數據
，平時存儲時對速度要求並不高。可以采取普通的機械硬盤（HDD）和固態硬盤（SSD）相結合的方式，兼顧速度和存儲要求。機械硬盤從西數和希捷中挑一個就行，建議2T以yi上shang容rong量liang，容rong量liang越yue大da
，性xing價jia比bi越yue高gao
，相xiang比bi其qi它ta硬ying件jian，完wan全quan是shi白bai菜cai價jia了le。固gu態tai硬ying盤pan速su度du比bi機ji械xie硬ying盤pan快kuai了le幾ji倍bei，對dui係xi統tong整zheng體ti性xing能neng有you很hen大da提ti升sheng
，缺que點dian就jiu是shi一yi個ge字zi：貴。所以容量方麵建議至少要256G，有經濟實力的就直接512G吧
，一步到位。固態硬盤還有個要考慮的因素是接口規格了，目前主流的有SATA3和M.2兩種。M.2速度快，但有些主板識別不到，導致在安裝操作係統(Ubuntu)時無法安裝在固態硬盤上。

       五、電源及機箱

       電dian源yuan作zuo為wei整zheng機ji的de動dong力li輸shu出chu
，首shou要yao考kao慮lv的de因yin素su是shi能neng夠gou提ti供gong穩wen定ding並bing且qie夠gou用yong的de功gong率lv輸shu出chu，用yong料liao及ji做zuo工gong也ye是shi必bi須xu要yao考kao慮lv的de因yin素su。電dian源yuan行xing業ye品pin牌pai多duo如ru牛niu毛mao

，而er且qie代dai工gong貼tie牌pai占zhan據ju絕jue大da多duo數shu比bi例li，在zai這zhe種zhong情qing況kuang下xia優you化hua選xuan擇ze一yi線xian品pin牌pai：海盜船，長城，安鈦克、台達。其次要考慮的購買多大的瓦數
，保險起見，我建議購買850W以上的(之後如果擴展多一張顯卡也完全夠用)。

       機箱就沒什麼硬性要求了
，隻要內部空間足夠就行了。優先考慮全塔式
，可以根據自已的喜好進行選購。

工作站組裝及係統安裝：

     計(ji)算(suan)機(ji)組(zu)裝(zhuang)應(ying)該(gai)是(shi)整(zheng)個(ge)搭(da)建(jian)過(guo)程(cheng)中(zhong)最(zui)簡(jian)單(dan)的(de)部(bu)分(fen)了(le)
，隻(zhi)要(yao)注(zhu)意(yi)安(an)裝(zhuang)的(de)順(shun)序(xu)及(ji)主(zhu)板(ban)連(lian)線(xian)，大(da)都(dou)能(neng)順(shun)利(li)安(an)裝(zhuang)成(cheng)果(guo)
，並(bing)且(qie)現(xian)在(zai)大(da)多(duo)硬(ying)件(jian)都(dou)做(zuo)了(le)防(fang)呆(dai)設(she)計(ji)，不(bu)可(ke)能(neng)會(hui)出(chu)現(xian)插(cha)反(fan)的(de)情(qing)況(kuang)。

第一步將CPU（注意方向）
、內存安裝到主板上，將主板附送的主機後置麵板安裝到機箱上。

第二步將散熱安裝到CPU上
，放到機箱中，確定散熱器風道方向與散熱器的位置，以免放不下。

第三步塗矽脂
，重新將確定好位置的風扇安裝到CPU上。

第四部將主板固定到機箱上，注意機箱上的銅柱不多也不少，避免主板下麵有空餘的銅柱而導致主板短路。

第五步將GPU和其他pcie接口設備安裝到主板與機箱上。

第六步安裝SSD和機械硬盤。

第七步安裝電源模塊。

第八步連接主板及各硬件的線，整理好背線。

第九步開機測試能否進入BIOS界麵。

第十步安裝操作係統Ubuntu LTS 16.04(相對簡單，不展開)。

環境搭建及開源框架選擇：

       硬件組裝完畢，安裝好操作係統後，接起來就是深度學習軟件環境搭建部份了。其中就涉及到顯卡驅動和CUDA、CUDNN的安裝，這三塊是基礎，建議直接登陸Nvidia官網跟著官方文檔一步步安裝。

       一、顯卡驅動安裝

       活進入係統桌麵後，會發現默認的分辨率隻有1024x768
，因為係統默認使用了開源顯卡驅動，需要手動更新成N卡最新驅動。

       第一步：打開設置，進入軟件更新設置(Software&Updates)。

       第二步：選擇附加驅動
，等待刷新。

       第三步：選擇所列出來的可以析的選項，選擇應用改變即可

       第四步：在終端中輸入nvvidia-smi,可以查詢顯卡驅動狀態。

       二、CUDA與CUDNN安裝

       登陸官網下載CUDAanzhuangbao，zaixiazaishizhaoxiangyingdeguanfanganzhuangwendangzaixiyuedu，jinkenenganzhaotadebuzhouyibubuzou。tongshizaizhaojipianhaodebokewenzhangzuoweicankao，duichangjiandewentiyaozhidaoruhejiejue，zuodaoxiongyouchengzhu。

       第一步：檢查自己的電腦環境是否具備安裝CUDA的條件。

       第二步：驗證自己的Linux版本是否支持CUDA。

       第三步：驗證係統是否安裝了GCC。

       第四步：通過package manager安裝。

       第五步：重啟電腦，檢查是否安裝成功。

       第六步：嚐試編譯CUDA提供的samples。

       第七步：根據官網教程安裝CUDNN。

       三
、Docker安裝

       深(shen)度(du)學(xue)習(xi)涉(she)及(ji)到(dao)各(ge)個(ge)領(ling)域(yu)的(de)研(yan)究(jiu)，相(xiang)關(guan)的(de)框(kuang)架(jia)不(bu)斷(duan)更(geng)新(xin)和(he)迭(die)代(dai)。如(ru)果(guo)在(zai)同(tong)一(yi)部(bu)主(zhu)機(ji)上(shang)安(an)裝(zhuang)全(quan)部(bu)的(de)框(kuang)架(jia)
，有(you)可(ke)能(neng)會(hui)出(chu)現(xian)管(guan)理(li)問(wen)題(ti)及(ji)各(ge)種(zhong)包(bao)衝(chong)突(tu)問(wen)題(ti)，也(ye)不(bu)利(li)於(yu)工(gong)作(zuo)站(zhan)資(zi)源(yuan)的(de)充(chong)分(fen)利(li)用(yong)。而(er)Docker是一個開源的應用容器引擎，可以方便地打包應用以及依賴包到一個輕量級、可移植的容器中。使用Docker，可以按自己研究的需要，配置不同的Docker鏡像。Docker的安裝相對簡單，這裏就不展開詳細說明，網上也有許多現成的文章可供參考
，建議大家登陸官網查找相應的安裝文檔即可成功安裝。

       四、深度學習鏡像選擇
、

       在實際的研究和開發中，可以根據需求下載不同的鏡像。下麵列出常用的鏡像名稱和用途

       五、成果演示

       最後，讓我們來看看經過以上各個環節後，如何為深度學習研究提供簡單易用的開發環境：

打開終端，連到服務器

，運行以下命令啟動容器(根據實際情況，參數不同)：

打開瀏覽器，訪問以下地址
，能夠正常顯示，一切正常。

總結：

       jingguojintiandejiandanshuli，dajiayinggaiduiruhedajianshenduxuexigongzuozhanyoulechubudelejie，zhongyaodeshiduoshijian，sikaozijishijigongzuozhongdexuqiu，dajianchumanzuyanjiudegongzuozhan。yongyouyitaixingnengqiangjindegongzuozhan，cainengrangnizaishenduxuexidehaiyangliruyudeshui，yudaorenhedebotaohailangdounengtairanmiandui。