我们该选择什么样的开发环境
硬件方面可以自己组装台式机或者购买有Nvidia GPU的windows笔记本,具体考量如下：
- CPU选装
X64架构的AMD或者Intel CPU，ARM64CPU需要熟练的工程师才能解决特殊情况下可能出现的软件版本和兼容问题。 - 内存建议至少16GB
- 建议尽量选用有Nvidia GPU的硬件，因为目前只有Nvidia GPU有对
CUDA的原生硬件支持：- Apple电脑基本全系没有Nvidia GPU
- IBM兼容机(普通个人电脑)：台式机一般可以加装Nvidia GPU、相当比例的笔记本自带Nvidia GPU
- 需要考虑Nvidia GPU显存大小，一般学习用途所使用的中小模板，至少4G的显存基本满足开发和调试需求
系统方面的考虑建议选择Ubuntu，版本尽量是比较新一点的长期支持版本，比如Ubuntu 22.04 LTS及以上的LTS版本(Ubuntu或者Ubuntu Server均可)。具体考量如下：
- MacOS和Windows虽然可以进行开发，但是Linux OS + Nvidia GPU才是目前CUDA软硬件兼容性最好的平台，并且几乎全部的云上AI服务都是Linux
- PyTorch本地环境和TensorFlow 2安装都推荐Linux+Nvidia GPU环境。甚至TensorFlow只官方支持Ubuntu
Ubuntu + Nvidia GPU环境搭建
建议使用Ubuntu 22.04 LTS并搭配支持CUDA的Nvidia GPU(最近3年上市的GPU最好)，其他的Linux发行版比如Debian或者CentOS/RHEL也可以正常的安装并使用，但是一般支持文档少很多。
- Ubuntu Server 22.04 LTS安装Nvidia GPU Driver[机器学习环境搭建]
- Ubuntu Server 22.04 LTS安装CUDA[机器学习环境搭建]
- Ubuntu Server 22.04 LTS安装cuDNN[机器学习环境搭建]
- Ubuntu Server 22.04 LTS安装TensorRT[机器学习环境搭建]
