最近的工作需要使用深度学习技术，也就免不了使用GPU，然而目前我实验室的机器上使用的是Windows 11的操作系统，用来进行实验确不符合我一个常年不用Windows系统的人的习惯😓，于是我买来一块移动硬盘并在这之上部署了基于Ubuntu 22.04 LTS的PyTorch的深度学习环境。起初我以为会一切顺利，可万万没想到重装一时爽，配环境火葬场…本文谨记录在这中踩的坑。
关于移动硬盘外挂操作系统
就目前来说，我的建议是：不要这么做，至少不要使用机械硬盘。
我手上这块是WD Element的机械移动硬盘，简单测试了一下顺序读写速度，分别为：5.7GB/S和128MB/S。看着还不错，可一旦到了随机读写任务上速度与延迟就一言难尽了。直观的感受就是一个字——卡，但是主要体现在读盘冷启动的时候（毕竟实验室机器的配置还是不错的）。
关于NVIDIA驱动问题
说句实话，我之前从未在Linux上配置过深度学习环境，用的往往是配置好了的现成品，这一次我多多少少理解为什么大家都在说Linux上的NVIDIA驱动很难用了…事实上为了处理驱动问题，我从下午13时一直干到了下午17时（其实主要受磁盘IO速度与实验室网络环境影响）。
在安装Ubuntu系统的时候，安装程序有询问是否要安装附加驱动（Additional Drivers），我自然是勾选了确定。进入系统，在miniconda虚环境下安装PyTorch，始终无法安装对应GPU版本（CUDA）。检查发现自动安装的驱动并不是最新的（应该是510版本），本能地以为升级驱动就可以了，没想到这只是噩梦的开始。
事实上，安装驱动的方法并不只有一种，至少我找到的方法就有三种：
- 从NVIDIA官网下载。
- 使用
ubuntu-drivers autoinstall安装。 - 使用系统应用
Additional Drivers安装。（事实证明，这是最好的方法）
试试安装从NVIDIA官网下载的驱动
其实早在安装系统前，我已经提前在NVIDIA官网下好了对应的驱动程序，但是执行后发现至少有两个问题：
- 安装驱动程序需要停止一切占用GPU的进程，其中就包含Ubuntu自带的桌面环境GNOME。这一点可以通过使用Nouveau驱动解决。
- 驱动安装程序提示建议使用Ubuntu发行版渠道下载驱动，因官网驱动并不是最兼容最优化版本。
那就用ubuntu-drivers autoinstall安装驱动吧
按理来说，从这里安装应该是稳妥的，但是不知道是否是因为bug的原因，安装的驱动一直报错。最后无奈只能使用apt purge清除掉所有的相关软件包了。
最后还是使用系统应用Additional Drivers安装驱动吧
最开始其实我也是从这里安装的驱动，然而受到了一篇教程的蛊惑，最后放弃了这一步。回过头来才发觉，当初就应该使用这一方法。当然这之中也遇到了一个问题，那就是开源驱动(open kernel)驱动的问题——一开始我使用的是525版本的开源驱动，事实上这也是上一步中ubuntu-drivers推荐我安装的。然而在两次清洁安装后，显示的错误是一致的，均是无法找到设备。随后我开始怀疑是不是开源驱动的问题，遂安装525版本的非开源版本，问题解决。
驱动问题解决了，使用conda install，成功一键部署PyTorch的GPU版本。
关于XRDP远程桌面
由于实验室网络登录方式是Web Portal，所以有一个图形化界面还是更加方便一些。在按照教程配置好后，连接的结果却是黑屏和闪退。按照我搜索到的资料，大多数的资料指向向/etc/xrdp/startwm.sh中添加以下字段:
| |
实际上，完全配置XRDP还需要向xsessionrc中添加桌面程序（比如Ubuntu自带的GNOME）。而我最后的解决方案还是通过查看XRDP的错误日志，安装dbus-lauch这一缺失的软件包解决的。
总结：
- 不要使用移动硬盘安装操作系统，至少不要使用机械硬盘。
- 尽量参考外文官网资料，因其往往更新更详尽。
- 检查程序日志而不是搜索症状。