Linux深度学习环境搭建：16年Ruby工程师的排障实录

　　去年六月份那会儿，隔壁王胖子非拉我搞深度学习，说现在AI火得跟当年Ruby on Rails刚出来似的。我原以为装个Ubuntu，敲两行apt-get就完事儿，结果光是CUDA驱动就卡了三天——那破NVIDIA官网的下载链接，点进去永远跳转到404，气得我差点把键盘砸了。隔壁修手机的刘哥路过，瞅见我在摔鼠标，还笑我“老程序员装嫩”。

　　第一天装TensorFlow，pip install的时候报错“No matching distribution found”。我盯着终端愣了十分钟，突然想起来RubyGems那套在这儿不管用。翻出官方文档，发现得先装Anaconda，结果conda create环境卡在“Solving environment”那步，冰柜压缩机一直在响，外卖催单的提示音此起彼伏，我手忙脚乱切窗口，差点把刚泡的龙井打翻在键盘上。最后实在没辙，直接装了miniconda，省了俩G空间，结果发现PyTorch和CUDA版本不兼容——这他妈比Ruby的依赖冲突还难搞。

　　第二天更离谱。我按教程装CUDA 11.8，装完跑nvidia-smi，显示驱动版本是525，而CUDA要求至少530。去官网下新驱动，装到一半提示“X server running”，得先Ctrl+Alt+F2切到命令行模式。我原以为切过去就行，结果键盘布局变了，输入密码死活不对，最后发现是大小写键被猫踩了——那畜生蹲在主机上，尾巴扫过重启键，屏幕突然黑掉的时候，我差点把显示器砸了。

　　王胖子在微信群里催进度，说“再搞不定，客户要跑隔壁那家了”。我盯着终端里那堆“failed to load”的报错，突然想起十年前搞Ruby on Rails，那时候gem install也经常卡在“Building native extensions”，但至少有错误日志可查。现在这深度学习，报错信息全是“unknown error”，跟猜谜似的。隔壁卖煎饼的大姐过来借火，瞅见我在看CUDA文档，说“你们搞编程的，是不是都爱折腾这些？”我苦笑着点头，心想她哪知道，这比煎饼摊的损耗率还难算——光是试错的时间成本，就够买十套煎饼果子了。

　　第三天，我实在受不了，直接买了块二手RTX 3060，想着“硬件够强，总该没问题了吧”。结果装完驱动，跑PyTorch示例代码，GPU利用率始终是0%。翻论坛，有人说得禁用集成显卡，我进BIOS折腾半天，出来发现显示器不亮了——原来把独显输出给关了。最后抱着主机去电子城找师傅，那师傅叼着烟，三下五除二调好，收了我八十块，说“你们这些搞IT的，就是爱自己折腾”。我付钱的时候，心想这八十块够买两斤排骨了，但总比卡在“unknown error”里强。

　　第四天，终于跑通了第一个模型。我盯着终端里“Accuracy: 0.92”的字样，差点哭出来——这他妈比当年Ruby项目上线还激动。王胖子过来拍我肩膀，说“行啊老陈，没想到你还能搞这个”。我叼着烟，说“优胜劣汰呗，Ruby那套现在不吃香了，不学点新东西，连煎饼摊都竞争不过”。他笑我矫情，我指了指屏幕上还在跑的模型，说“你看，这破玩意儿训练一次要俩小时，要是客户等不及，分分钟换人——就跟咱们这街上的餐馆似的，今天还排队，明天就贴转让。”

　　门口那只猫又来了，蹲在主机上，尾巴扫过散热口。我原以为它会像上次一样踩到重启键，结果它只是打了个哈欠，跳下去走了。我盯着终端里的日志，突然觉得，这深度学习环境搭建，跟开餐馆其实差不多——得试错，得折腾，得接受“有些菜推了就亏”。就像我上周试做的那道“AI红烧肉”，光是调参就花了三天，结果客户说“太咸”，最后全倒进了泔水桶——那感觉，跟看着CUDA报错一样，憋屈。

　　现在这环境总算跑顺了，但我知道，过俩月NVIDIA又得发新驱动，PyTorch又得更新版本，到时候又得重新折腾。王胖子说“要不招个专门搞AI的”，我摇头——这行当变化太快，优胜劣汰太狠，今天会的，明天可能就过时了。就像当年Ruby on Rails火的时候，满大街都是“全栈工程师”，现在呢？连招聘网站都把“Ruby”列在“其他语言”里了。

文章配图，仅供参考

（编辑：站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!