最近我們組新添了一臺簡易的GPU個人工作站，主要用於分子動力學模擬和機器學習，配置如下：
CPU i5 9600k 散熱器 酷冷至尊T400i塔式風扇記憶體 金士頓16G DDR4 2666駭客神條 2條硬碟1 西部資料4T企業版 7200轉硬碟2 三星976 EVO PLUS 256G主機板 華碩B360M-D顯示卡 影馳GTX2080 SUPER機箱 安鈦克P7電源 臺達額定850W主要參考sob的裝機配置推薦（http：//sobereva。com/444），總價在￥12000左右。出貨時固態盤安裝了WINDOWS系統，但是大部分計算化學軟體都是在Linux系統下執行的，於是在機械硬碟分割槽安裝Linux發行版。可以選擇的免費的Linux發行版有Ubuntu，Centos等。考慮到在Ubuntu下安裝各種軟體環境比較方便，於是選擇了與Ubuntu同宗同源的Deepin國產發行版。它也被華為Matebook 14 第三方版本所採用，具有類蘋果的操作UI和類Windows的互動邏輯，同時安裝也比較便捷。
首先在（https：//www。deepin。org/download/）下載深度啟動盤製作工具，並下載深度作業系統15。11的映象，準備一個大於8G的空隨身碟。啟動製作工具，匯入映象並寫入隨身碟。
將隨身碟插入GPU主機的USB口，在BIOS中設定從隨身碟引導。選擇安裝Deepin，並安裝到一個空白的分割槽。等待20分鐘即可安裝完畢，機器即將重啟，務必將隨身碟拔下。
啟動後預設是使用的CPU的亮機卡，因此需要安裝nVidia驅動以及Cuda Toolkit。因為Deepin15。11的預設gcc版本是6。5，因此需要安裝Cuda 10。1版本的GPU程式設計工具箱。
安裝顯示卡驅動
檢視顯示卡資訊lspci | grep -i vga#顯示有GeForce顯示卡下載官方Linux驅動https：//www。nvidia。cn/Download/index。aspx？lang=cn或者https：//www。geforce。com/drivers選擇下載適合自己顯示卡的Linux驅動禁用nouveau驅動sudo echo “blacklist nouveau” >> /etc/modprobe。d/blacklist-nouveau。confsudo echo “options nouveau modeset=0” >> /etc/modprobe。d/blacklist-nouveau。conf#重啟sudo rebootsudo update-initramfs -u#執行以下命令，若無輸出說明禁用成功lsmod | grep nouveau安裝驅動#先關閉影象介面，切換tty2ctrl+alt+f2#關閉影象介面sudo service lightdm stop#切換進顯示卡驅動下載目錄sudo chmod a+x NVIDIA-Linux-x86_64-x。runsudo 。/NVIDIA-Linux-x86_64-x。run#安裝過程中除了是否支援32外全部選是。#安裝完成後重啟電腦sudo reboot#輸入nvidia-smi 檢視是否成功安裝好顯示卡驅動。#以上參考 https：//www。jianshu。com/p/caa02259e51d
安裝Cuda Toolkit
Deepin15。11相當於Ubuntu16，在https：//developer。nvidia。com/cuda-downloads上下載工具箱。
上述教程在我們主機上無法成功安裝Cuda Toolkit，https：//www。findhao。net/easycoding/2562。html 的一個帖子提供瞭解決辦法，使用普通帳號安裝。
mkdir ~/Downloads/cuda10。1cd ~/Downloads/。/cuda_10。1。243_418。87。00_linux。run ——silent ——toolkit ——toolkitpath=~/Downloads/cuda10。1 ——defaultroot=~/Downloads/cuda10。1 ——samples ——samplespath=~/Downloads沒有報錯，說明安裝成功了，在系統的/usr/local/下建立toolkit10的連結：
sudo ln -s ~/Downloads/cuda10。1 /usr/local/cuda#重新啟動sudo reboot加入環境變數
CUDA_HOME=/usr/local/cuda/export PATH=$PATH：$CUDA_HOME/bin/export LD_LIBRARY_PATH=$LD_LIBRARY_PATH：$CUDA_HOME/lib64
安裝Gromacs Cuda版本
主要參考教程http：//sobereva。com/457
#安裝fftwmkdir buildcd buildexport CMAKE_PREFIX_PATH=/sob/fftw338cmake 。。 -DCMAKE_INSTALL_PREFIX=/sob/gmx2018。4 -DGMX_SIMD=AVX2_256 -DGMX_MPI=OFF -DCUDA_TOOLKIT_ROOT_DIR=/usr/local/cuda#不使用AVX512指令集，不是用MPI 僅用openMPmake -j4make install
GROMACS運算測試
以李繼存老師部落格上的教程（http：//jerkwin。github。io/GMX/GMXtut-0）為例進行對比：漏斗網蜘蛛毒素肽的溶劑化研究的成品模擬對比測試。為了使用GPU，energygrps設為了System，測試軟體同為GROMACS2019。2版本。
對比結果如下：
一塊2080顯示卡的普通桌上型電腦的Gromcas的算力遠遠超過了一臺GPU主機，而且價格也比較實惠。