移动高性能深度学习机器＋娱乐终端＝准系统＋Ubuntu To Go（SSD）

本文提供了一种可以在笔记本电脑上使用GPU完成需要高性能计算的深度学习，游戏等功能的解决方案。

首先这里的笔记本实际上指的是准系统笔记本，可以百度搜索准系统了解基本介绍，也可以到准系统吧进一步的深入了解和与相关专业高手交流。

准系统实际上指的是高性能笔记本的模具（类似于alienware，地球人，未来人），通过卖家的DIY组装配置，最后买家可以以较为低廉的价格获得性能极高的笔记本。

缺点是：

1. 使用机器的风险，毕竟是小众的东西，保修售后什么的可能不如正牌笔记本（尽管硬件是一样的，所以质量应该也还好）。
2. 还有就是需要自己配置的东西很多，特别是驱动什么的。

购置机器

准系统笔记本可以从淘宝进行购买，作者是从名叫叔叔左左的淘宝卖家进行购买的。

配置为GTX1070 + I7-7700k + p770m2 + 2*海盗船DDR4 16G 2400mhz + 512GSM961 SSD + 17寸1080p屏幕（可以根据自己的需求更改配置，调整价格）

这个价格和台式机比怎么样，这个只能因人而异了，但是根据市场价格来算的话，

GTX1070的3300 + I7-7700k的2799 + z270主板的2500 + 两根海盗船16GDDR4内存的1800 + 512GSM961的1500 + 其他配件的300，一共11900，若再加上2000元价格的显示屏的话，也要13900，因此算起来其实不会差太多。然而最重要的是，我们配的可是笔记本啊，是可以装在包里的笔记本啊（虽然有点笨重，6.5kg），但总算是可以带身上的。

准系统到手后，就可以开始折腾了。一般都会随机安装好windows系统，开机就可以进入。

进入后，可以先安装些大型游戏，运行看看是否能正常工作，然后用一些硬件检测工具，看看硬件情况，做一些benchmarking，这里不再赘述。

在移动硬盘中安装Ubuntu系统

准系统的部分到这里就完成了。

接下来的部分是Ubuntu To Go的步骤，即如何将ubuntu系统安装在一个移动SSD硬盘上，并从USB接口启动Ubuntu，安装GPU的驱动程序，并在Ubuntu中进行深度学习以及其他高性能计算工作（GPU相关的）。

在ssd中安装ubuntu的步骤和普通的装系统一样，制作一个u盘启动盘，然后同时将u盘和要安装ubuntu的移动硬盘，通过USB接口和准系统连接在一起。

开机选择u盘作为启动项，开始安装系统。

完成之后，选择ubuntu作为启动项，进入系统。

安装显卡驱动和CUDA（深度学习环境）

进入系统后，你可能就会发现有点奇怪了，至少我的机子出现了一点异常：屏幕闪屏。整个系统也出现卡顿，估计是显卡驱动问题，因为准系统屏蔽了cpu的集显（事实上，当我们完成了安装后，检查机器的显卡信息，会发现只有一张显卡，那就是独显，所以应该是准系统屏蔽了集显），而独显又没有驱动，因此显示的相关计算任务都放在了CPU上（不是集显，集显被屏蔽了），当然这只是我的猜测。

不过我们可以ctrl + alt + F1~F6进入tty，tty不会卡。在tty中，我们就可以正常的安装驱动和cuda了。

如果只是安装驱动的话，可以参考 https://gist.github.com/dangbiao1991/7825db1d17df9231f4101f034ecd5a2b

如果要装cuda的话，还需要从官网下载对应的版本 https://developer.nvidia.com/cuda-downloads

需要注意的是，安装驱动需要把使用 sudo service lightdm stop，sudo killall X* 把所有使用显卡驱动的进程关闭。

而cuda在安装中，除了执行 sudo bash cuda_8_46.run 外，还需要注意，cuda内附驱动，可以用也可以自己安装，如果是自己已经安装了大于cuda内版本的驱动，就不需要安装cuda的驱动。但如果已安装的版本要低于cuda版本的话，cuda是无法工作的，必须要用大于等于cuda驱动版本的驱动才可以。

Benchmarking结果

在这台GTX1070 + I7-7700k + ubuntu16.04的准系统中，我们进行了CPU和GPU的测试。

CPU测试用的是sysbench，分别在准系统和一台装有ubuntu15.04的台式电脑（配置如下图）执行以下命令

sysbench --test=cpu --num-threads=1 --cpu-max-prime=10000 run

得到以下的结果：

准系统跑了6.9秒，台式机跑了8.5秒，速度之比为 (10000/0.69) / (10000/0.85) = 1.24，和理论的速度比4.2Ghz/3.3Ghz = 1.27相差无几。

GPU的测试采用的是tensorflow的benchmark，详情请看这个链接 点击打开链接

alexnet的benchmark的结果是平均0.032s，也就是32ms，比Titan X快了一倍。

另外的cifar10实验，也达到了平均1923 Examples/sec，估计应该是强大的7770k起的作用。