如何搭建并高效使用Linux系统下的深度学习环境？

作为一个AI工程师，对Linux的一些技能的掌握也能从一定层面反应工程师的资深水平。 要求1：基于SSH的远程访问（本篇文章） 能用一台笔记本电脑，远程登陆一台linux服务器 能随时使用笔记本电脑启动训练任务 能熟练的让代码和文件在笔记本电脑与LINUX服务器之间的传输 要求2：Linux系统的文件系统（Linux指令学习） 知道什么是硬盘的挂载 能合理的使用服务器的硬盘空间 不要求，但建议学会如何在LINUX系统上自建逻辑卷（LVM) 要求3：LINUX系统的账户管理 知道root账户与普通账户的区别 能够对账户权限有基本的规划 能在普通账户下，完成基于Tensorflow的AI开发 要求4：LINUX系统的驱动安装（本篇文章） 能够独立的在Ubuntu Linux 上搭建NVIDIA GPU的深度学习环境 要求5：GIT和Github（Git从入门到精通） 有代码的版本控制意识 能够掌握基本的Git使用方法 能够掌握基本的Github使用方法 上面的知识点我都写过博客，写完这篇文章我就能集齐龙珠，召唤神龙了。😃 SSH远程连接服务器 例子： IP地址：111.44.254.168 端口号：21665 登录名：root 密码：123456 linux \ MAC连接 　　如果本地电脑是inux或者mac系统，则远程服务器SSH登陆信息是：ssh -p 21665 root@111.44.254.168 window系统连接 　　如果本地电脑是 window系统用cmd登陆（需要先安装 OpenSSL） 远程服务器SSH登陆信息是：ssh -p 21665 root@111.44.254.16 Xshell软件连接 我们需要用到的软件是：Xshell(命令行控制服务器) 和 Xffp(传输文件) 进入官网：https://www.netsarang.com/zh/，滑到最下面点击 家庭/学校免费，输入姓名和邮箱，勾选两者，点击下载。随后邮箱会收到两个邮件，点击邮件中的链接就可以下载安装包。 putty，pscp、Filezila等软件也比较主流，但可能不太稳定，这里不做介绍 搭建深度学习环境 我们首先确定自己想要安装的版本，CUDA与显卡驱动对应的版本关系，TensorFlow-GPU与CUDA cudnn Python版本关系 我想安装的版本是： python 3.6.5（ananonda3-5.2.0） NVIDIA® GPU 驱动程序： CUDA cuDNN 安装python 　　python环境我们选择的是Anaconda，我选择的安装版本是Anaconda3-5.2.0-Linux-x86_64.sh，对应的python版本是python 3.6.5，建议到清华镜像源下载，更快！ 打开Xftp，连接服务器，在服务器创建一个DL_package文件夹，将Anaconda3-5.2.0-Linux-x86_64.sh上传到文件夹里（不放也行，我是想要统一管理，因为后面还要安装cuda和NVIDIA驱动） 安装过程不要瞎点，看清楚底部的英文再确定 yes or no。