目前操作系統市場上基本就三家: Linux, Windows和Mac。 而Linux相比其他兩家，最核心和最根本的不同，就是開源。(Linux的發明者, Linus的一句名言： Talk is cheap, Show me the code. 翻譯過來就是： 廢話少說，放碼過來。)

簡單說, GNU/Linux上的所有軟件，源代碼都是赤裸裸展現給用戶的，而不是一個黑盒。開源性，使得全球碼農研究、貢獻代碼貢獻給Linux，帶來的好處就是：

• 高度穩定, 即使在低成本硬件上，也高度穩定。以我個人為例, 公司8G內存的筆記本，我用windows收郵件，每次啟動卡的要死。最近自動更新失敗，失敗重試，再失敗，再還原，重啟個三四次，才能進入桌面。交給IT同事，最後給的結論是重裝系統。而用Linux, 一如既往的穩定。
• 終端工具，解放雙手，使得執行效率提升。 舉個例子, windows中鼠標點來點去，而linux中就是命令敲來敲去。前者不能複製，後者寫個腳本，方便複製，甚至自動調度，可以每天每個固定時刻運行對應的程序。再比如, 一個apt命令，就可以安裝、升級一個或一些列軟件包。而不是想Windows 一樣，每次都要手動下載，手動點擊。
• 服務器市場，Linux主導。免費、穩定，使得Linux在服務器市場份額巨大。
• 社區支持。很多開發軟件，tensorflow，torch，docker等，很多都是先支持Linux, 後期再考慮的windows的。

深度學習的網絡中，各種矩陣運算，動不動就上千維的大矩陣運算，而 Nvidia的GPU能加速這些運算, 在卷積神經網絡上的相比CPU能帶來10倍甚至更高的速度提升。想想，訓練一個網絡，用CPU訓練用30天，而用GPU只需2-3 天。現階段的深度學習個人開發環境，嚴重依賴GPU。

目前深度學習兩大陣營，Google的Tensorflow和facebook的pytorch。 pytorch自帶cuda, 相對簡單些，但google的tensorflow安裝就底層硬件GPU 的配置環境，需要安裝驅動、CUDA、加速庫cudnn。以windows為例，安裝這些軟件，沒那麼簡單，各種依賴關係，有人耗時幾天，也不一定能搞定。而用Linux, 拷貝幾個命令，分分鐘能搞定。

最新Tensorflow 2.0的官網安裝要求:

The following NVIDIA® software must be installed on your system:

• NVIDIA® GPU drivers —CUDA 10.0 requires 410.x or higher.
• CUDA® Toolkit —TensorFlow supports CUDA 10.0 (TensorFlow >= 1.13.0)
• CUPTI ships with the CUDA Toolkit.
• cuDNN SDK (>= 7.4.1)
• (Optional) TensorRT 5.0 to improve latency and throughput for inference on some models.

官網的安裝步驟，以Ubuntu 18.04 (CUDA 10)為例: 複製以下幾個命令，安裝就能完成: