最近迷上了机器学习，花了不少时间学习相关的基础内容；虽然数学跟不上，也不妨碍跟风玩玩各位大牛的开源成果。 本文记录了购买AWS GPU服务器，安装cuda、 TensorFlow，运行 Neural Style 测试的过程。
update: 2018-05-17，本文内容可能已不适合，请参考末尾命令行日志做修改。
购买AWS EC2 p2.xlarge
购买p2.xlarge实例（1 NVIDIA K80 GPU， 4核CPU，61G内存，$0.9/小时），空间需要10G以上，建议20G，因为nvidia与cuda包的安装都需要不少的空间（按下面的安装方法，使用的空间接近10G）。 选择 aws 提供的 ubuntu 16.04，跟需求配置安装。
安装后建议设置一下locale，不然下面的步骤中可能会报错。
export LC_ALL="en_US.UTF-8"
export LC_CTYPE="en_US.UTF-8"
sudo dpkg-reconfigure locales
安装Nvidia显卡驱动
首先，检查一下服务器中是否真的存在Nvidia显卡：
$ lspci | grep -i nvidia
直接使用ubuntu官方提供的Nvidia显卡驱动，目前版本是367：
apt-cache search nvidia
sudo apt-get install nvidia-367 nvidia-modprobe
检测驱动是否正常安装：
nvidia-smi
正常情况下会输出：
+-----------------------------------------------------------------------------+
| NVIDIA-SMI 367.57 Driver Version: 367.57 |
|-------------------------------+----------------------+----------------------+
| GPU Name Persistence-M| Bus-Id Disp.A | Volatile Uncorr. ECC |
| Fan Temp Perf Pwr:Usage/Cap| Memory-Usage | GPU-Util Compute M. |
|===============================+======================+======================|
| 0 Tesla K80 Off | 0000:00:1E.0 Off | 0 |
| N/A 29C P0 74W / 149W | 0MiB / 11439MiB | 99% Default |
+-------------------------------+----------------------+----------------------+
+-----------------------------------------------------------------------------+
| Processes: GPU Memory |
| GPU PID Type Process name Usage |
|=============================================================================|
| No running processes found |
+-----------------------------------------------------------------------------+
安装cuda cuDNN
到官网下载最新版本的cuda，以及对应的cudnn，安装：
wget http://developer.download.nvidia.com/compute/cuda/repos/ubuntu1604/x86_64/cuda-repo-ubuntu1604_8.0.44-1_amd64.deb
sudo dpkg -i cuda-repo-ubuntu1604_8.0.44-1_amd64.deb
sudo apt-get update
sudo apt-get install cuda
下载与安装cuDNN（需要到官方注册登录后才能得到下载地址）
tar xvzf cudnn-8.0-linux-x64-v5.1.tgz
sudo cp -P cuda/include/cudnn.h /usr/local/cuda/include
sudo cp -P cuda/lib64/libcudnn* /usr/local/cuda/lib64
sudo chmod a+r /usr/local/cuda/include/cudnn.h /usr/local/cuda/lib64/libcudnn*
安装TensorFlow
sudo apt-get install python-pip python-dev
sudo pip install --upgrade pip
sudo pip install tensorflow-gpu
测试Neural Style
sudo apt-get install libatlas-base-dev
sudo pip install numpy scipy pillow
git clone https://github.com/anishathalye/neural-style.git
cd neural-style
wget http://www.vlfeat.org/matconvnet/models/beta16/imagenet-vgg-verydeep-19.mat
python neural_style.py --content examples/1-content.jpg --styles examples/1-style.jpg --output 1.jpg
完成。
跑一次 Neural Style 大概需要7分钟。
测试后记得讲实例停掉，然后制作image，留作下次测试用，讲运行中的实例删除，毕竟$0.9/小时也不便宜（image保存在EBS中，也会消耗小量的费用）。
玩了一天5个小时，消耗4.5刀，虽然不算便宜，但相比动辄两三万的深度学习工作站，平时玩玩的话还算可以。
成果：
update: 2018-05-17,新版安装流程
export LC_ALL="en_US.UTF-8"
export LC_CTYPE="en_US.UTF-8"
sudo dpkg-reconfigure locales
lspci | grep -i nvidia
sudo apt-get update
sudo apt-cache search nvidia
wget http://developer.download.nvidia.com/compute/cuda/repos/ubuntu1604/x86_64/cuda-repo-ubuntu1604_9.0.176-1_amd64.deb
sudo dpkg -i cuda-repo-ubuntu1604_9.0.176-1_amd64.deb
sudo apt-key adv --fetch-keys http://developer.download.nvidia.com/compute/cuda/repos/ubuntu1604/x86_64/7fa2af80.pub
sudo apt-get update
sudo apt-get install cuda-9-0
wget "https://developer.download.nvidia.com/compute/machine-learning/cudnn/secure/v7.0.5/prod/9.0_20171129/Ubuntu16_04-x64/libcudnn7_7.0.5.15-1%2Bcuda9.0_amd64.deb?***
dpkg -i libcudnn7_7.0.5.15-1+cuda9.0_amd64.deb
sudo dpkg -i libcudnn7_7.0.5.15-1+cuda9.0_amd64.deb
nvidia-smi
sudo apt-get install python-pip python-dev
sudo pip install --upgrade pip
sudo pip install tensorflow-gpu
sudo pip install scikit-image