『Error: cannot find Toolkit in /usr/local/cuda-8.0』
這是在Ubuntu 18.04安裝CUDA Toolkit 8.0的時候跳出來的錯誤訊息。
仔細看一下log便可發現詳細的錯誤訊息為『Can’t locate InstallUtils.pm in @INC』
安裝其他版本的時候也有遇過這樣的錯誤訊息，但解決方法是一樣的。
原因就是有個檔案沒有複製到正確的位置上罷了…但我也不知為何會這樣…
人工智慧相關的新興職業將會在未來五到十年內爆炸式增加，尤其一個更是未來不可或缺的職業——“AI訓練師”。(正面迎擊人機合作的時代：AI時代3大關鍵人才)
小弟我是不太敢確定AI訓練師這個職業會不會在台灣火熱地成長，不過，很確定的是以全球來說，至少中國、歐美、新加坡絕對是如此！
如此明顯的大趨勢之下，還不來學學這些新東西嗎？
本篇文章之目的為詳列系統環境建置的步驟、相關文章以及相關troubleshooting！
【環境建置】：Ubuntu 17.10 + CUDA Toolkit 9.0 + cuDNN + Anaconda 3 + Python 3.5 + Tensorflow
【相關文章】：Python基礎教學
因為身邊剛好有個機會要建立一個環境，這個環境會是一台伺服器，上面運行Ubuntu，所有其他人可以用瀏覽器連上這台伺服器的jupyter並且使用Python和Tensorflow來完成顯卡運算需求。
本文的內容是基於已完成下列條件的教學：
(1).Nvidia 顯卡驅動
(2).Nvidia CUDA Toolkit
(3).Nvidia cuDNN
如果要弄一台Ubuntu來做為GPU運算的伺服器或是要把這台Ubuntu拿來玩Minecraft，都是必須要把顯卡驅動程式灌好來！本文將會專注在NVIDIA的顯卡驅動安裝方法(相信現在ATI/AMD的顯卡驅動應該已經不像以前這麼難弄)。
總之，把伺服器的必要之驅動程式搞定也算是最基本的工作吧～
Read more
欲使用Google Tensorflow-GPU來體驗顯示晶片運算加速深度學習、機器學習的速度，就必須要安裝NVIDIA CUDA Toolkit和cuDNN Library。本文會在Ubuntu 17.10且已安裝正確顯卡驅動程式的環境中安裝cuDNN Library！
Read more
近年來很火紅的新IT趨勢——深度學習。專為深度學習設計的開發套件也是百花齊放，
其中最有名的莫過於Google開發的Tensorflow，然而Tensorflow除了CPU版之外，同時也開發了一個以NVIDIA CUDA作為底層框架的GPU版。
既然如此，若欲使用運算速度比CPU快上百倍的GPU替你的深度學習專案進行運算，就要必須安裝NVIDIA CUDA Toolkit在執行Tensorflow-GPU的電腦上！
『Toolkit: Installation Failed. Using unsupported Compiler.』
這是Ubuntu 17.10正在安裝CUDA Toolkit 9.0的時候跳出來的錯誤訊息…而且幾乎是回答完所有問題的瞬間！
但幾乎可以確定在Ubuntu 16.04 LTS上安裝CUDA Toolkit 9.0是不會遇到這個問題。
原因就是Ubuntu 16.04 LTS的gcc, g++皆6.x版，剛好就是CUDA Toolkit 9.0編譯時所使用的那個版本，所以不會跳出這個錯誤唷！
現在各大瀏覽器都會要求網站本身具有SSL憑證，只要是非 https 網站皆會顯示不安全！還好有佛心公司 Let’s encrypt 提供免費SSL憑證申請！然而，本文要介紹如何用 Certbot 自動更新憑證，包含排程等繁瑣的設定一次搞定。
Read more