深度學習的基本環境部署完成後，現在就要考慮到使用需求來進一步優化環境了，考慮到有些用戶需要兩張顯卡及以上需求，則需要部署cudnn來進行優化了
在下載之前，需要進行註冊，註冊很簡單，可以使用社交賬號進行註冊。網站地址：https://developer.nvidia.com/cudnn登錄後：
根據自己部署的情況選擇下載，如下圖：
我的環境是Ubuntu18.04，cuda10.2，所以我下載的是：
安裝時先安裝運行時庫，然後是開發人員庫，最後是代碼示例和用戶指南
命令及提示代碼如下：
由於工作環境原因，之前的硬件環境暫時用不了，不過後續的部署並不影響。
這種方式安裝，可以進行測試，測試命令：
cp -rp /usr/src/cudnn_samples_v7/ /home/xiong/cudnn_samples_v7 #這裏是複製到home目錄裏，我的是xiong用戶下的家目錄裏
cd /home/xiong/cudnn_samples_v7/mnistCUDNN
make clean && make
這個測試需要前面我們部署的環境，只要前面環境部署成功，在此也就沒有問題了。這個圖片是以前部署成功截圖，只要最後信息顯示Test passed！代表成功了
下面就是部署anaconda3了
對於anaconda的安裝我進行了各類版本安裝以及多版本存在。
安裝了最新版本，但是安裝TensorFlow-gpu結果不匹配怎麼辦，重新安裝anaconda麼？
其實不用重新安裝，可以使用虛擬環境指定python版本就可以了。Ubuntu18.04這個系統本身就帶有python3.6。只是沒有anaconda一些常用的庫而已。
所以，安裝最新的anaconda3後，出現的情況就是兩者並存，默認優先使用最新版本的python，如現在的最新python3.7，裝完後執行命令python，默認進入python3.7：
執行python3，也是進入python3.7，要想進入python3.6，只需執行python3.6：
現在開始部署anaconda3了，首先去到官網下載：https://www.anaconda.com/download/
也可以使用國內源：
清華源：https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/
下載完成後：
執行sudo bash Anaconda3-2020.02-Linux-x86_64.sh #自己選擇的哪個版本就換成那個版本名稱
這一步回車就可以了
然後就是空格鍵，這裏是查看說明。
這裏選擇yes
這裏比較重要了，如果你要安裝多個版本的庫，這裏就不能用默認的了，需要自己填清楚，比如，你需要安裝anaconda3.5.2和最新的Anaconda3-2020.02，那命名就要詳細了。比如安裝的是anaconda3.5.2和最新的版本，則需要：
/usr/local/anaconda3.5.2或/usr/local/anaconda3-2020-02
回車就好了。安裝多環境就要把版本詳細的命名，這樣以便於後期的維護。需要安裝多環境的，只需換一個版本包再執行一次安裝，在這裏詳細把版本命名上去。
這裏會自動配置變量，所以，執行conda時，是未找到命令，之所以這樣，不是沒有配置變量未成功，而是沒有更新，秩序執行命令：
source ~/.bashrc
然後就可以使用conda了
naconda3基本已經部署完成了，不過，由於一些需求，只安裝最新版本但是TensorFlow-gpu版本不匹配，那就可以創建虛擬環境來安裝。命令如下：
conda create –name tf python3.6 #創建tf環境
source activate tf #激活tf環境
conda install tensorflow-gpu=1.9
source activate tf
python3.6
import tensorflow as tf 
至此，TensorFlow-gpu就安裝完成了
source deactivate tf #退出tf環境
conda remove –name tf --all #刪除tf環境
同理，如果安裝keras,版本不兼容情況，也可以在創建一個虛擬環境進行安裝。
安裝pytorch
對於這個安裝，可以使用python創建一個虛擬環境來安裝，也可以直接安裝，下面選擇直接安裝。
由於國外網較慢，我們可以使用國內源來安裝，先配置相關的源：
sudo mkdir -pv ~/.pip
cd ~/.pip
sudo vim pip.conf
[global]
index-url = https://pypi.tuna.tsinghua.edu.cn/simple
保存，退出
cd
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --set show_channel_urls yes
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
對此，pip源和conda源安裝完成了
下面命令是pytorch官網下載指定版本的pytorch命令
conda install pytorch torchvision cudatoolkit=10.1 -c pytorch
添加國內源完成後，只需在這個命令去掉-c pytorch就可以了
這個命令是下載最新的pytorch版本，如果要下載低版本，命令如下：
conda install pytorch/torch=版本號 torchvision cudatoolkit=版本號 或
conda install torch/pytorch=版本號
在執行上面命令之前，我們需要相關的權限，否則最後會因爲權限問題而報錯，命令如下：sudo chown -R username:username /usr/local/anaconda3.5.2 #這個路徑就是之前按照anaconda3填寫的路徑了。
chmod 775 ./.conda
我部署時就因爲沒有這個anaconda3文件的寫入權限，但是即使777權限也會報錯，ls -l anaconda3發現用戶組和屬主都是root，所以需要修改成你使用的用戶屬主和屬組，也就是你使用的這個賬號名，命令中username這個改成你使用的用戶的用戶名。
對此部署已經完成。
注：注意下機器是x86還是x86_64,我之前沒有注意，下載了x86的anaconda3的安裝包，安裝時報錯，百度了好久都沒找到解決問題，後來仔細查看安裝包的命名才發現下載錯了。
雖然我們使用了國內源，但是還是會出現中斷信號的問題，在部署過程中，所以，也可以把需要部署的軟件包下載到本地，我之前部署pytorch時，下載pytorch總是中斷，最後直接登錄鏈接，找到對應的軟件包下載鏈接，直接下載有時也會中斷，因爲我有迅雷會員，爲此使用的是迅雷下載，倒是沒有出現中斷。然後上傳到機器上，我是ssh遠程連接，上傳完成後。
安裝命令如下：
conda install --use-local your-pkg-name
這樣就本地安裝了。