4片影馳無雙顯卡打造的主機之系統安裝

在影馳發佈GTX 1070 無雙單槽顯卡以後，我在第一時間用4片無雙搭建了一台深度學習主機。這次裝機一改過去伺服器冷冰冰的外觀形象，使用迎廣303側透主機殼，大膽展示伺服器內部構造。另外，我還使用了多個RGB主機殼風扇，大幅提升了主機顏值。

裝機雖然告一段落，但接下來還有重任在肩。我需要安裝一個全新的系統，並配置好Caffe運行環境。雖然主流的深度學習框架都在Ubuntu系統下運行，但作為一個遊戲狂熱分子，怎捨得拋棄windows的懷抱。所以，今天我將帶來windows下的Caffe配置教程。

新主機裝系統，我推薦使用U盤，在另一台電腦上下載好win10系統後，用UltralSO軟體將系統鏡像燒錄到U盤。然後在新主機的BIOS中選擇優先從U盤啟動，保存重啟後系統就會進度自動安裝階段。關於系統安裝的教程，網路上非常多，不懂的朋友可以自行百度。

這裡有一點值得注意，如果你用作系統的固態硬碟在100G左右，建議不要分區，因為後面的軟體都需要安裝在C盤，且非常佔用空間。這也是我選擇用240G的固態硬碟做系統的原因。

系統安裝完畢後，繼續下載Caffe必備的軟體，包括Microsoft Visual Studio 2013、CUDA7.5、cuDNN v4、Anaconda2以及caffe Windows版本。

VS2013我是從www.itellyou.cn下載的鏡像版本，檔大小約5.5G，下載完成後用解壓軟體解壓，選擇“vs_ultimate”程式安裝，安裝路徑預設即可。在我原來的電腦上安裝VS2013至少需要半個小時，但現在不一樣了，我的新主機僅使用了不到5分鐘就完成了整個安裝過程。VS2013佔用了大概11G的硬碟空間，所以請一定要記住我上面的那句話：系統磁片要大！

接下來安裝Anaconda2，官網下載即可，這裡我選擇的是Python 2.7 version版本。Anaconda2安裝完成後，還需要安裝一些Python庫，打開cmd，輸入

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

pip install protobuf

系統會自動下載並安裝，等待安裝完畢即可關閉視窗，用時大概10分鐘。

與此同時，我們需要的CUDA7.5和cuDNN也下載完畢。這兩個軟體都可以從NVIDIA官網下載，下載位址分別是https:/developer.nvidia.com/cuda-toolkit-archive和https://developer.nvidia.com/cudnn。cuDNN下載需要登陸，用郵箱註冊一下即可，過程非常簡單。CUDA7.5是.exe程式，按兩下安裝即可，路徑依然是預設。cuDNN是壓縮檔，在D盤新建一個Caffe資料夾，然後解壓進去。

接下來就是Caffe編譯的準備工作，我下載是的微軟修改的caffe windows版本，地址為https:/github.com/BVLC/caffe/tree/windows。下載後解壓到D盤，進入windows資料夾，將CommonSettings.props.example檔複製黏貼，並將副本的尾碼.example去掉，然後保存。

用VS打開CommonSettings.props檔，修改一些必要選項。在這一行加入cuDNN的路徑，我的是D:\Caffe。修改完成後保存檔，並關閉窗口。

接下來打開Caffe檔，進行編譯。首先編譯libcaffe，選擇libcaffe右鍵，點擊生成。生成過程會比較漫長，也會出現各類問題，需要逐一解決。編譯完成後繼續編譯其他選項。如果過程中出現問題，可參考http://blog.csdn.net/tina_ttl/article/details/51722983#12-cuda75-optional。

至此，我們的Caffe運行環境配置基本告一段落，接下來進行一個簡單的mnist測試。具體過程可參考http://www.cnblogs.com/love6tao/p/5710719.html。這裡我進行了多次測試，分別使用不同數量的無雙顯卡，結果如下。

使用1片影馳GTX 1070 無雙進行測試

使用2片影馳GTX 1070 無雙進行測試

使用3片影馳GTX 1070 無雙進行測試

使用4片影馳GTX 1070 無雙進行測試

如果測試結果輸出正常，則表示caffe配置沒有問題，恭喜你正式踏入Caffe的殿堂。

至此，本次的折騰日記終於告一段落。從選購配件，到裝機，再到軟體環境配置，前後花費了我近3個週末的時間。期間也遇到過各種小問題，但在解決問題的過程中讓我收穫頗豐。配置一台強大的PC來作為深度學習工具固然重要，但更需要強大的依然是作為使用者的我們自身。