从零开始搭建深度学习服务器: 基础环境配置（Ubuntu + GTX 1080 TI + CUDA + cuDNN）

╰半橙微兮° 2024-02-18 17:49 58阅读 0赞

## 从零开始搭建深度学习服务器: 基础环境配置（Ubuntu + GTX 1080 TI + CUDA + cuDNN） ##

首先先声明一下 这篇是转载来自 **: [ 从零开始搭建深度学习服务器: 基础环境配置（Ubuntu + GTX 1080 TI + CUDA + cuDNN）][_ _Ubuntu _ GTX 1080 TI _ CUDA _ cuDNN]**

[![Deep Learning Specialization on Coursera][]][Deep Learning Specialization on Coursera 1]

这个系列写了好几篇文章，这是相关文章的索引，仅供参考：

*  [深度学习主机攒机小记][Link 1]
 *  [深度学习主机环境配置: Ubuntu16.04+Nvidia GTX 1080+CUDA8.0][Ubuntu16.04_Nvidia GTX 1080_CUDA8.0]
 *  [深度学习主机环境配置: Ubuntu16.04+GeForce GTX 1080+TensorFlow][Ubuntu16.04_GeForce GTX 1080_TensorFlow]
 *  [深度学习服务器环境配置: Ubuntu17.04+Nvidia GTX 1080+CUDA 9.0+cuDNN 7.0+TensorFlow 1.3][Ubuntu17.04_Nvidia GTX 1080_CUDA 9.0_cuDNN 7.0_TensorFlow 1.3]
 *  [从零开始搭建深度学习服务器：硬件选择][Link 2]
 *  [从零开始搭建深度学习服务器: 基础环境配置（Ubuntu + GTX 1080 TI + CUDA + cuDNN）][_ _Ubuntu _ GTX 1080 TI _ CUDA _ cuDNN]
 *  [从零开始搭建深度学习服务器: 深度学习工具安装（TensorFlow + PyTorch + Torch）][_TensorFlow _ PyTorch _ Torch]

去年上半年配置了一台GTX1080深度学习主机：[深度学习主机攒机小记][Link 1]，然后分别写了两篇深度学习环境配置的文章：[深度学习主机环境配置: Ubuntu16.04+Nvidia GTX 1080+CUDA8.0][Ubuntu16.04_Nvidia GTX 1080_CUDA8.0] 和 [ 深度学习主机环境配置: Ubuntu16.04+GeForce GTX 1080+TensorFlow][Ubuntu16.04_GeForce GTX 1080_TensorFlow]，得到了很多同学留言，不过这个一年多以前完成的深度学习环境配置方案显得有些落伍了。这一年里，深度学习领域继续高歌猛进，包括 [ Andrew Ng ][Andrew Ng]也离开百度出来创业了，他的第一个项目是deeplearning.ai，和Coursera合作推出了一个[深度学习专项课程系列][Link 3]: [ Andrew Ng 深度学习课程小记][Andrew Ng 1]。另外GTX1080的升级版1080TI显卡的发售也刺激了深度学习服务器的配置升级，我也机缘巧合的配置了3台1080TI深度学习服务器：[从零开始搭建深度学习服务器：硬件选择][Link 2]。同时深度学习工具的开发迭代速度也惊人，Theano在完成了自己的历史使命后选择了停止更新，以这样的方式了退出了深度学习的舞台，而 TensorFlow，Torch，Pytorch 等工具和周边也发展迅猛。因为一次偶然事件，我又一次为老机器重装了系统环境，并且选则了最新的cuda9, cudnn7.0等基础工具版本: [ 深度学习服务器环境配置: Ubuntu17.04+Nvidia GTX 1080+CUDA 9.0+cuDNN 7.0+TensorFlow 1.3][Ubuntu17.04_Nvidia GTX 1080_CUDA 9.0_cuDNN 7.0_TensorFlow 1.3]。不过回过头来，发现这种源代码方式编译 TensorFlow GPU 版本的方式在国内的网络环境下并不方便，而我更喜欢 CUDA8 + cuDNN6 + Tensorflow + Pytorch + Torch 的安装方案，简明扼要并且比较方便，于是在新的深度学习主机里我分别在Ubunu17.04和Ubuntu16.04的系统环境下配置了这样的深度学习服务器环境，下面就是相关的安装记录，希望这能成为一份简单的深度学习服务器环境配置指南。

1. 安装Ubuntu系统: Ubuntu16.04 或者 Ubuntu17.04

从Ubuntu官方直接下载Ubuntu镜像（Ubuntu16.04或者Ubuntu17.04，采用的是desktop amd64版本)，用U盘和Ubuntu镜像制作安装盘。在MAC下制作 Ubuntu USB 安装盘的方法可参考: [ 在MAC下使用ISO制作Linux的安装USB盘][_MAC_ISO_Linux_USB]，之后通过Bios引导U盘启动安装Ubuntu系统。如果安装的时候出现类似黑屏或者类似 "nouveau ... fifo ..."之类的报错信息，重启电脑，进入安装界面时候长按e，进入图形界面，按F6，选择 nomodeset 或者手动添加，进行Ubuntu系统的安装。参考《[深度学习主机环境配置: Ubuntu16.04+Nvidia GTX 1080+CUDA8.0][Ubuntu16.04_Nvidia GTX 1080_CUDA8.0]》。

2. Source源和Pip源设置：

系统安装完毕后建议设置一下source源和pip源，这样可以加速安装相关的工具包。

cd /etc/apt/
    sudo cp sources.list sources.list.bak
    sudo vi sources.list

对于Ubuntu16.04，我用的是阿里云的源，把下面的这些源添加到source.list文件头部：

deb-src http://archive.ubuntu.com/ubuntu xenial main restricted #Added by software-properties
    deb http://mirrors.aliyun.com/ubuntu/ xenial main restricted
    deb-src http://mirrors.aliyun.com/ubuntu/ xenial main restricted multiverse universe #Added by software-properties
    deb http://mirrors.aliyun.com/ubuntu/ xenial-updates main restricted
    deb-src http://mirrors.aliyun.com/ubuntu/ xenial-updates main restricted multiverse universe #Added by software-properties
    deb http://mirrors.aliyun.com/ubuntu/ xenial universe
    deb http://mirrors.aliyun.com/ubuntu/ xenial-updates universe
    deb http://mirrors.aliyun.com/ubuntu/ xenial multiverse
    deb http://mirrors.aliyun.com/ubuntu/ xenial-updates multiverse
    deb http://mirrors.aliyun.com/ubuntu/ xenial-backports main restricted universe multiverse
    deb-src http://mirrors.aliyun.com/ubuntu/ xenial-backports main restricted universe multiverse #Added by software-properties
    deb http://archive.canonical.com/ubuntu xenial partner
    deb-src http://archive.canonical.com/ubuntu xenial partner
    deb http://mirrors.aliyun.com/ubuntu/ xenial-security main restricted
    deb-src http://mirrors.aliyun.com/ubuntu/ xenial-security main restricted multiverse universe #Added by software-properties
    deb http://mirrors.aliyun.com/ubuntu/ xenial-security universe
    deb http://mirrors.aliyun.com/ubuntu/ xenial-security multiverse

对于Ubuntu17.04，我使用的是网易的源：

deb http://mirrors.163.com/ubuntu/ zesty main restricted universe multiverse
    deb http://mirrors.163.com/ubuntu/ zesty-security main restricted universe multiverse
    deb http://mirrors.163.com/ubuntu/ zesty-updates main restricted universe multiverse
    deb http://mirrors.163.com/ubuntu/ zesty-proposed main restricted universe multiverse
    deb http://mirrors.163.com/ubuntu/ zesty-backports main restricted universe multiverse
    deb-src http://mirrors.163.com/ubuntu/ zesty main restricted universe multiverse
    deb-src http://mirrors.163.com/ubuntu/ zesty-security main restricted universe multiverse
    deb-src http://mirrors.163.com/ubuntu/ zesty-updates main restricted universe multiverse
    deb-src http://mirrors.163.com/ubuntu/ zesty-proposed main restricted universe multiverse
    deb-src http://mirrors.163.com/ubuntu/ zesty-backports main restricted universe multiverse

最后更新一下：

sudo apt-get update  
sudo apt-get upgrade

另外一个事情是将pip源指向阿里云的源镜像：[http://mirrors.aliyun.com/help/pypi][http_mirrors.aliyun.com_help_pypi]，具体添加一个 ~/.config/pip/pip.conf 文件，设置为：

[global]
    trusted-host =  mirrors.aliyun.com
    index-url = http://mirrors.aliyun.com/pypi/simple

或者清华的[pip源][pip]，刚好安装的那两天清华的pip源抽风，所以就换阿里云的了。

3. 安装1080TI显卡驱动:

sudo apt-get purge nvidia*
    sudo add-apt-repository ppa:graphics-drivers/ppa
    sudo apt-get update && sudo apt-get install nvidia-384 nvidia-settings

安装完毕后重启机器，运行 nvidia-smi，看看生效的显卡驱动：

![nvidia-smi.png][]

4. 安装CUDA:

因为Tensorflow和Pytorch目前官方提供的PIP版本只支持CUDA8, 所以我选择了安装CUDA8.0。不过目前英文达官方网站的 [ CUDA-TOOLKIT][CUDA-TOOLKIT]页面默认提供的是CUDA9.0的下载，所以需要在英文达官方提供的另一个 [ CUDA Toolkit Archive][CUDA Toolkit Archive] 页面选择CUDA8，这个页面包含了CUDA所有的历史版本和当前的CUDA9.0版本。点击 [ CUDA Toolkit 8.0 GA2 (Feb 2017)][CUDA Toolkit 8.0 GA2 _Feb 2017] 这个页面，选择"cuda-repo-ubuntu1604-8-0-local-ga2\_8.0.61-1\_amd64.deb" 和 "cuBLAS Patch Update to CUDA 8":

![cuda8.0.png][]

![cuda8.0_update.png][]

sudo dpkg -i cuda-repo-ubuntu1604-8-0-local-ga2_8.0.61-1_amd64.deb
    sudo apt-get update
    sudo apt-get install cuda

如果之前没有安装上述"cuBLAS Patch Update to CUDA 8"，可以用如下方式安装更新：

sudo dpkg -i cuda-repo-ubuntu1604-8-0-local-cublas-performance-update_8.0.61-1_amd64.deb
    sudo apt-get update  
    sudo apt-get upgrade cuda

在 ~/.bashrc 中设置环境变量：

export PATH=/usr/local/cuda/bin${PATH:+:${PATH}}
    export LD_LIBRARY_PATH=/usr/local/cuda/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}
    export CUDA_HOME=/usr/local/cuda

运行 source ~/.bashrc 使其生效

4. 安装cuDNN:

cuDNN7.0 虽然出来了，但是 CUDA8 的最佳拍档依然是cuDNN6.0，在NIVIDA开发者官网上，找到cudnn的下载页面: [ https://developer.nvidia.com/rdp/cudnn-download][https_developer.nvidia.com_rdp_cudnn-download] ，选择"Download cuDNN v6.0 (April 27, 2017), for CUDA 8.0" 中的 "cuDNN v6.0 Library for Linux":

![cudnn6.png][]

下载后安装非常简单，就是解压然后拷贝到相应的系统CUDA路径下，注意最后一行拷贝时 "-d"不能少， 否则会提示.so不是symbol link:

tar -zxvf cudnn-8.0-linux-x64-v6.0.tgz 
    sudo cp cuda/include/cudnn.h /usr/local/cuda/include/
    sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64/ -d

以上是安装均在Ubunt16.04和Ubuntu17.04环境下测试通过，最后鉴于最近一些相关文章评论有同学留言无法从官方下载CUDA和cuDNN，亲测可能与国内环境有关，我将cuda8.0, cuda9.0, cudnn6.0, cudnn7.0的相关工具包上传到了百度网盘，提供两个下载地址:

CUDA8.0 & CUDA9.0下载地址：链接: [ https://pan.baidu.com/s/1gfaS4lt][https_pan.baidu.com_s_1gfaS4lt] 密码 ddji ，包括：

1) CUDA8.0 for Ubuntu16.04: cuda-repo-ubuntu1604-8-0-local-ga2\_8.0.61-1\_amd64.deb  
2) CUDA8.0 for Ubuntu16.04 更新: cuda-repo-ubuntu1604-8-0-local-cublas-performance-update\_8.0.61-1\_amd64  
3) CUDA9.0 for Ubuntu16.04: cuda-repo-ubuntu1604-9-0-local\_9.0.176-1\_amd64.deb  
4) CUDA9.0 for Ubuntu17.04: cuda-repo-ubuntu1704-9-0-local\_9.0.176-1\_amd64

cuDNN6.0 & cuDNN7.0下载地址：链接: [ https://pan.baidu.com/s/1qXIZqpA][https_pan.baidu.com_s_1qXIZqpA] 密码 cwch ，包括：

1) cudnn6.0 for CUDA8: cudnn-8.0-linux-x64-v6.0.tgz  
2) cudnn7.0 for CUDA8: cudnn-8.0-linux-x64-v7.tgz  
3) cudnn7.0 for CUDA9: cudnn-9.0-linux-x64-v7.tgz

注：原创文章，转载请注明出处及保留链接“[我爱自然语言处理][Link 4]”：[http://www.52nlp.cn][Link 4]

本文链接地址：[从零开始搭建深度学习服务器: 基础环境配置（Ubuntu + GTX 1080 TI + CUDA + cuDNN）][_ _Ubuntu _ GTX 1080 TI _ CUDA _ cuDNN] [ http://www.52nlp.cn/?p=9823][http_www.52nlp.cn_p_9823]

1.  [从零开始搭建深度学习服务器: 深度学习工具安装（TensorFlow + PyTorch + Torch） ][_TensorFlow _ PyTorch _ Torch_]
2.  [深度学习服务器环境配置: Ubuntu17.04+Nvidia GTX 1080+CUDA 9.0+cuDNN 7.0+TensorFlow 1.3 ][Ubuntu17.04_Nvidia GTX 1080_CUDA 9.0_cuDNN 7.0_TensorFlow 1.3 1]
3.  [从零开始搭建深度学习服务器：硬件选择 ][Link 5]
4.  [深度学习主机环境配置: Ubuntu16.04+GeForce GTX 1080+TensorFlow ][Ubuntu16.04_GeForce GTX 1080_TensorFlow 1]
5.  [深度学习主机环境配置: Ubuntu16.04+Nvidia GTX 1080+CUDA8.0 ][Ubuntu16.04_Nvidia GTX 1080_CUDA8.0 1]
6.  [Ubuntu 64位系统下SRILM的配置详解 ][Ubuntu 64_SRILM_]
7.  [深度学习主机攒机小记 ][Link 6]
8.  [安装Srilm的一点新变化 ][Srilm_]
9.  [Moses基本框架 ][Moses_]
10. [Ubuntu8.10下moses测试平台搭建全记录 ][Ubuntu8.10_moses_]

[![Deep Learning Specialization on Coursera][Deep Learning Specialization on Coursera 2]][Deep Learning Specialization on Coursera_Deep Learning Specialization on Coursera 2]

本条目发布于 [2017年11月3号][2017_11_3]。属于 [深度学习][Link 7]分类，被贴了 [1080TI][]、 [1080TI 显卡][1080TI 1]、 [CUDA][]、 [CUDA8][]、 [CUDA8.0][]、 [CUDA8.0下载][CUDA8.0 1]、 [CUDA8.0安装][CUDA8.0 2]、 [CUDA8下载][CUDA8 1]、 [CUDA8安装][CUDA8 2]、 [CUDA9][]、 [CUDA9.0][]、 [CUDA9.0下载][CUDA9.0 1]、 [CUDA9.0安装][CUDA9.0 2]、 [CUDA9下载][CUDA9 1]、 [CUDA9安装][CUDA9 2]、 [CUDA下载][CUDA 1]、 [CUDA安装][CUDA 2]、 [cuDNN][]、 [cuDNN6][]、 [cuDNN6.0][]、 [cuDNN6.0下载][cuDNN6.0 1]、 [cuDNN6.0安装][cuDNN6.0 2]、 [cuDNN6下载][cuDNN6 1]、 [cuDNN6安装][cuDNN6 2]、 [cuDNN7][]、 [cuDNN7.0][]、 [cuDNN7.0下载][cuDNN7.0 1]、 [cuDNN7.0安装][cuDNN7.0 2]、 [cuDNN7安装][cuDNN7 1]、 [cuDNN下载][cuDNN 1]、 [cuDNN安装][cuDNN 2]、 [GTX 1080][]、 [GTX 1080TI][]、 [ubuntu][]、 [Ubuntu16.04][]、 [Ubuntu17.04][]、 [从零开始搭建深度学习主机][Link 8]、 [从零开始搭建深度学习工作站][Link 9]、 [从零开始搭建深度学习服务器][Link 10]、 [深度学习][Link 11]、 [深度学习主机][Link 12]、 [深度学习主机DIY][DIY]、 [深度学习显卡][Link 13]、 [深度学习服务器][Link 14]、 [深度学习服务器搭建][Link 15]、 [深度学习服务器组建][Link 16]、 [深度学习机器][Link 17] 标签。 作者是[52nlp][]。

[_ _Ubuntu _ GTX 1080 TI _ CUDA _ cuDNN]: http://www.52nlp.cn/%E4%BB%8E%E9%9B%B6%E5%BC%80%E5%A7%8B%E6%90%AD%E5%BB%BA%E6%B7%B1%E5%BA%A6%E5%AD%A6%E4%B9%A0%E6%9C%8D%E5%8A%A1%E5%99%A8%E7%8E%AF%E5%A2%83%E9%85%8D%E7%BD%AEubuntu-1080ti-cuda-cudnn
[Deep Learning Specialization on Coursera]: https://image.dandelioncloud.cn/pgy_files/images/2024/01/29/d5ad25fd593644be881fc59ee6318f97.png
[Deep Learning Specialization on Coursera 1]: https://click.linksynergy.com/fs-bin/click?id=9IqCvd3EEQc&offerid=467035.416&subid=0&type=4
[Link 1]: http://www.52nlp.cn/%E6%B7%B1%E5%BA%A6%E5%AD%A6%E4%B9%A0%E4%B8%BB%E6%9C%BA%E6%94%92%E6%9C%BA%E5%B0%8F%E8%AE%B0
[Ubuntu16.04_Nvidia GTX 1080_CUDA8.0]: http://www.52nlp.cn/%E6%B7%B1%E5%BA%A6%E5%AD%A6%E4%B9%A0%E4%B8%BB%E6%9C%BA%E7%8E%AF%E5%A2%83%E9%85%8D%E7%BD%AE-ubuntu-16-04-nvidia-gtx-1080-cuda-8
[Ubuntu16.04_GeForce GTX 1080_TensorFlow]: http://www.52nlp.cn/%E6%B7%B1%E5%BA%A6%E5%AD%A6%E4%B9%A0%E4%B8%BB%E6%9C%BA%E7%8E%AF%E5%A2%83%E9%85%8D%E7%BD%AE-ubuntu16-04-geforce-gtx1080-tensorflow
[Ubuntu17.04_Nvidia GTX 1080_CUDA 9.0_cuDNN 7.0_TensorFlow 1.3]: http://www.52nlp.cn/%E6%B7%B1%E5%BA%A6%E5%AD%A6%E4%B9%A0%E6%9C%8D%E5%8A%A1%E5%99%A8%E7%8E%AF%E5%A2%83%E9%85%8D%E7%BD%AE-ubuntu17-04-nvidia-gtx-1080-cuda-9-0-cudnn-7-0-tensorflow-1-3
[Link 2]: http://www.52nlp.cn/%E4%BB%8E%E9%9B%B6%E5%BC%80%E5%A7%8B%E6%90%AD%E5%BB%BA%E6%B7%B1%E5%BA%A6%E5%AD%A6%E4%B9%A0%E6%9C%8D%E5%8A%A1%E5%99%A8-%E7%A1%AC%E4%BB%B6%E9%80%89%E6%8B%A9
[_TensorFlow _ PyTorch _ Torch]: http://www.52nlp.cn/%E4%BB%8E%E9%9B%B6%E5%BC%80%E5%A7%8B%E6%90%AD%E5%BB%BA%E6%B7%B1%E5%BA%A6%E5%AD%A6%E4%B9%A0%E6%9C%8D%E5%8A%A1%E5%99%A8-tensorflow-pytorch-torch
[Andrew Ng]: http://www.52nlp.cn/tag/andrew-ng
[Link 3]: http://www.52nlp.cn/deeplearning.php
[Andrew Ng 1]: http://www.52nlp.cn/andrew-ng-%E6%B7%B1%E5%BA%A6%E5%AD%A6%E4%B9%A0%E8%AF%BE%E7%A8%8B%E5%B0%8F%E8%AE%B0
[_MAC_ISO_Linux_USB]: http://www.linuxidc.com/Linux/2013-04/82973.htm
[http_mirrors.aliyun.com_help_pypi]: http://mirrors.aliyun.com/help/pypi
[pip]: https://mirrors.tuna.tsinghua.edu.cn/help/pypi/
[nvidia-smi.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/01/29/4ab37c195658467a9d74b30cddf4f195.png
[CUDA-TOOLKIT]: https://developer.nvidia.com/cuda-toolkit
[CUDA Toolkit Archive]: https://developer.nvidia.com/cuda-toolkit-archive
[CUDA Toolkit 8.0 GA2 _Feb 2017]: https://developer.nvidia.com/cuda-80-ga2-download-archive
[cuda8.0.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/01/29/feb222d80efe485eb629168fc78a3d68.png
[cuda8.0_update.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/01/29/9c8a3716220f4e879f18aacd0d602813.png
[https_developer.nvidia.com_rdp_cudnn-download]: https://developer.nvidia.com/rdp/cudnn-download
[cudnn6.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/01/29/c1f2607f8d4040fab7cac3edad93214e.png
[https_pan.baidu.com_s_1gfaS4lt]: https://pan.baidu.com/s/1gfaS4lt
[https_pan.baidu.com_s_1qXIZqpA]: https://pan.baidu.com/s/1qXIZqpA
[Link 4]: http://www.52nlp.cn
[http_www.52nlp.cn_p_9823]: http://www.52nlp.cn/?p=9823
[_TensorFlow _ PyTorch _ Torch_]: http://www.52nlp.cn/%e4%bb%8e%e9%9b%b6%e5%bc%80%e5%a7%8b%e6%90%ad%e5%bb%ba%e6%b7%b1%e5%ba%a6%e5%ad%a6%e4%b9%a0%e6%9c%8d%e5%8a%a1%e5%99%a8-tensorflow-pytorch-torch
[Ubuntu17.04_Nvidia GTX 1080_CUDA 9.0_cuDNN 7.0_TensorFlow 1.3 1]: http://www.52nlp.cn/%e6%b7%b1%e5%ba%a6%e5%ad%a6%e4%b9%a0%e6%9c%8d%e5%8a%a1%e5%99%a8%e7%8e%af%e5%a2%83%e9%85%8d%e7%bd%ae-ubuntu17-04-nvidia-gtx-1080-cuda-9-0-cudnn-7-0-tensorflow-1-3
[Link 5]: http://www.52nlp.cn/%e4%bb%8e%e9%9b%b6%e5%bc%80%e5%a7%8b%e6%90%ad%e5%bb%ba%e6%b7%b1%e5%ba%a6%e5%ad%a6%e4%b9%a0%e6%9c%8d%e5%8a%a1%e5%99%a8-%e7%a1%ac%e4%bb%b6%e9%80%89%e6%8b%a9
[Ubuntu16.04_GeForce GTX 1080_TensorFlow 1]: http://www.52nlp.cn/%e6%b7%b1%e5%ba%a6%e5%ad%a6%e4%b9%a0%e4%b8%bb%e6%9c%ba%e7%8e%af%e5%a2%83%e9%85%8d%e7%bd%ae-ubuntu16-04-geforce-gtx1080-tensorflow
[Ubuntu16.04_Nvidia GTX 1080_CUDA8.0 1]: http://www.52nlp.cn/%e6%b7%b1%e5%ba%a6%e5%ad%a6%e4%b9%a0%e4%b8%bb%e6%9c%ba%e7%8e%af%e5%a2%83%e9%85%8d%e7%bd%ae-ubuntu-16-04-nvidia-gtx-1080-cuda-8
[Ubuntu 64_SRILM_]: http://www.52nlp.cn/ubuntu-64-bit-system-srilm-configuration
[Link 6]: http://www.52nlp.cn/%e6%b7%b1%e5%ba%a6%e5%ad%a6%e4%b9%a0%e4%b8%bb%e6%9c%ba%e6%94%92%e6%9c%ba%e5%b0%8f%e8%ae%b0
[Srilm_]: http://www.52nlp.cn/%e5%ae%89%e8%a3%85srilm%e7%9a%84%e4%b8%80%e7%82%b9%e6%96%b0%e5%8f%98%e5%8c%96
[Moses_]: http://www.52nlp.cn/moses-basic-framework
[Ubuntu8.10_moses_]: http://www.52nlp.cn/ubuntu-moses-platform-build-process-record
[Deep Learning Specialization on Coursera 2]: https://ad.linksynergy.com/fs-bin/show?id=9IqCvd3EEQc&bids=467035.414&subid=0&type=4&gridnum=13
[Deep Learning Specialization on Coursera_Deep Learning Specialization on Coursera 2]: https://click.linksynergy.com/fs-bin/click?id=9IqCvd3EEQc&offerid=467035.414&subid=0&type=4
[2017_11_3]: http://www.52nlp.cn/%e4%bb%8e%e9%9b%b6%e5%bc%80%e5%a7%8b%e6%90%ad%e5%bb%ba%e6%b7%b1%e5%ba%a6%e5%ad%a6%e4%b9%a0%e6%9c%8d%e5%8a%a1%e5%99%a8%e7%8e%af%e5%a2%83%e9%85%8d%e7%bd%aeubuntu-1080ti-cuda-cudnn
[Link 7]: http://www.52nlp.cn/category/%e6%b7%b1%e5%ba%a6%e5%ad%a6%e4%b9%a0
[1080TI]: http://www.52nlp.cn/tag/1080ti
[1080TI 1]: http://www.52nlp.cn/tag/1080ti-%e6%98%be%e5%8d%a1
[CUDA]: http://www.52nlp.cn/tag/cuda
[CUDA8]: http://www.52nlp.cn/tag/cuda8
[CUDA8.0]: http://www.52nlp.cn/tag/cuda8-0
[CUDA8.0 1]: http://www.52nlp.cn/tag/cuda8-0%e4%b8%8b%e8%bd%bd
[CUDA8.0 2]: http://www.52nlp.cn/tag/cuda8-0%e5%ae%89%e8%a3%85
[CUDA8 1]: http://www.52nlp.cn/tag/cuda8%e4%b8%8b%e8%bd%bd
[CUDA8 2]: http://www.52nlp.cn/tag/cuda8%e5%ae%89%e8%a3%85
[CUDA9]: http://www.52nlp.cn/tag/cuda9
[CUDA9.0]: http://www.52nlp.cn/tag/cuda9-0
[CUDA9.0 1]: http://www.52nlp.cn/tag/cuda9-0%e4%b8%8b%e8%bd%bd
[CUDA9.0 2]: http://www.52nlp.cn/tag/cuda9-0%e5%ae%89%e8%a3%85
[CUDA9 1]: http://www.52nlp.cn/tag/cuda9%e4%b8%8b%e8%bd%bd
[CUDA9 2]: http://www.52nlp.cn/tag/cuda9%e5%ae%89%e8%a3%85
[CUDA 1]: http://www.52nlp.cn/tag/cuda%e4%b8%8b%e8%bd%bd
[CUDA 2]: http://www.52nlp.cn/tag/cuda%e5%ae%89%e8%a3%85
[cuDNN]: http://www.52nlp.cn/tag/cudnn
[cuDNN6]: http://www.52nlp.cn/tag/cudnn6
[cuDNN6.0]: http://www.52nlp.cn/tag/cudnn6-0
[cuDNN6.0 1]: http://www.52nlp.cn/tag/cudnn6-0%e4%b8%8b%e8%bd%bd
[cuDNN6.0 2]: http://www.52nlp.cn/tag/cudnn6-0%e5%ae%89%e8%a3%85
[cuDNN6 1]: http://www.52nlp.cn/tag/cudnn6%e4%b8%8b%e8%bd%bd
[cuDNN6 2]: http://www.52nlp.cn/tag/cudnn6%e5%ae%89%e8%a3%85
[cuDNN7]: http://www.52nlp.cn/tag/cudnn7
[cuDNN7.0]: http://www.52nlp.cn/tag/cudnn7-0
[cuDNN7.0 1]: http://www.52nlp.cn/tag/cudnn7-0%e4%b8%8b%e8%bd%bd
[cuDNN7.0 2]: http://www.52nlp.cn/tag/cudnn7-0%e5%ae%89%e8%a3%85
[cuDNN7 1]: http://www.52nlp.cn/tag/cudnn7%e5%ae%89%e8%a3%85
[cuDNN 1]: http://www.52nlp.cn/tag/cudnn%e4%b8%8b%e8%bd%bd
[cuDNN 2]: http://www.52nlp.cn/tag/cudnn%e5%ae%89%e8%a3%85
[GTX 1080]: http://www.52nlp.cn/tag/gtx-1080
[GTX 1080TI]: http://www.52nlp.cn/tag/gtx-1080ti
[ubuntu]: http://www.52nlp.cn/tag/ubuntu
[Ubuntu16.04]: http://www.52nlp.cn/tag/ubuntu16-04
[Ubuntu17.04]: http://www.52nlp.cn/tag/ubuntu17-04
[Link 8]: http://www.52nlp.cn/tag/%e4%bb%8e%e9%9b%b6%e5%bc%80%e5%a7%8b%e6%90%ad%e5%bb%ba%e6%b7%b1%e5%ba%a6%e5%ad%a6%e4%b9%a0%e4%b8%bb%e6%9c%ba
[Link 9]: http://www.52nlp.cn/tag/%e4%bb%8e%e9%9b%b6%e5%bc%80%e5%a7%8b%e6%90%ad%e5%bb%ba%e6%b7%b1%e5%ba%a6%e5%ad%a6%e4%b9%a0%e5%b7%a5%e4%bd%9c%e7%ab%99
[Link 10]: http://www.52nlp.cn/tag/%e4%bb%8e%e9%9b%b6%e5%bc%80%e5%a7%8b%e6%90%ad%e5%bb%ba%e6%b7%b1%e5%ba%a6%e5%ad%a6%e4%b9%a0%e6%9c%8d%e5%8a%a1%e5%99%a8
[Link 11]: http://www.52nlp.cn/tag/%e6%b7%b1%e5%ba%a6%e5%ad%a6%e4%b9%a0
[Link 12]: http://www.52nlp.cn/tag/%e6%b7%b1%e5%ba%a6%e5%ad%a6%e4%b9%a0%e4%b8%bb%e6%9c%ba
[DIY]: http://www.52nlp.cn/tag/%e6%b7%b1%e5%ba%a6%e5%ad%a6%e4%b9%a0%e4%b8%bb%e6%9c%badiy
[Link 13]: http://www.52nlp.cn/tag/%e6%b7%b1%e5%ba%a6%e5%ad%a6%e4%b9%a0%e6%98%be%e5%8d%a1
[Link 14]: http://www.52nlp.cn/tag/%e6%b7%b1%e5%ba%a6%e5%ad%a6%e4%b9%a0%e6%9c%8d%e5%8a%a1%e5%99%a8
[Link 15]: http://www.52nlp.cn/tag/%e6%b7%b1%e5%ba%a6%e5%ad%a6%e4%b9%a0%e6%9c%8d%e5%8a%a1%e5%99%a8%e6%90%ad%e5%bb%ba
[Link 16]: http://www.52nlp.cn/tag/%e6%b7%b1%e5%ba%a6%e5%ad%a6%e4%b9%a0%e6%9c%8d%e5%8a%a1%e5%99%a8%e7%bb%84%e5%bb%ba
[Link 17]: http://www.52nlp.cn/tag/%e6%b7%b1%e5%ba%a6%e5%ad%a6%e4%b9%a0%e6%9c%ba%e5%99%a8
[52nlp]: http://www.52nlp.cn/author/admin