工欲善其事必先利其器，硬體組裝完畢，安裝好作業系統後，接起來就是深度學習軟體環境搭建部份了。其中就涉及到顯示卡驅動和CUDA、CUDNN的安裝，這三塊是基礎，建議直接登陸Nvidia官網跟着官方文檔一步步安裝。
一、顯示卡驅動安裝
活進入系統桌面後，會發現預設的分辨率隻有1024x768，因為系統預設使用了開源顯示卡驅動，需要手動更新成N卡最新驅動。
第一步：打開設定，進入軟體更新設定(Software&Updates)。
第二步：選擇附加驅動，等待重新整理。
第三步：選擇所列出來的可以析的選項，選擇應用改變即可
第四步：在終端中輸入nvvidia-smi,可以查詢顯示卡驅動狀态。
二、CUDA與CUDNN安裝
登陸官網下載下傳CUDA安裝包，在下載下傳時找相應的官方安裝文檔仔細閱讀，盡可能按照它的步驟一步步走。同時再找幾篇好的部落格文章作為參考，對常見的問題要知道如何解決，做到胸有成竹。
第一步：檢查自己的電腦環境是否具備安裝CUDA的條件。
第二步：驗證自己的Linux版本是否支援CUDA。
第三步：驗證系統是否安裝了GCC。
第四步：通過package manager安裝。
第五步：重新開機電腦，檢查是否安裝成功。
第六步：嘗試編譯CUDA提供的samples。
第七步：根據官網教程安裝CUDNN。
三、Docker安裝
深度學習涉及到各個領域的研究，相關的架構不斷更新和疊代。如果在同一部主機上安裝全部的架構，有可能會出現管理問題及各種包沖突問題，也不利于工作站資源的充分利用。而Docker是一個開源的應用容器引擎，可以友善地打包應用以及依賴包到一個輕量級、可移植的容器中。使用Docker，可以按自己研究的需要，配置不同的Docker鏡像。Docker的安裝相對簡單，這裡就不展開詳細說明，網上也有許多現成的文章可供參考，建議大家登陸官網查找相應的安裝文檔即可成功安裝。
四、深度學習鏡像選擇
在實際的研究和開發中，可以根據需求下載下傳不同的鏡像。下面列出常用的鏡像名稱和用途
五、成果示範
最後，讓我們來看看經過以上各個環節後，如何為深度學習研究提供簡單易用的開發環境：
打開終端，連到伺服器，運作以下指令啟動容器(根據實際情況，參數不同)：
打開浏覽器，通路以下位址，能夠正常顯示，一切正常。