基于Ubuntu18.04搭深度学习和C++开发环境

〇、安装Ubuntu18.04.4，注意单位电脑的WINDOWS是Legacy模式装的，所以安装双系统需要进入BIOS禁用UEFI，使用Legacy模式安装，并调整启动顺序，将U盘设置到顶，安装完成后立刻重启，注意重启黑屏后立刻拔出U盘，否则又进入安装。

一、更改国内source
alt+F2 输入software-properties-gtk，选择一个国内的源即可，比如华为云或阿里云。

二、搜狗输入法
https://blog.csdn.net/zmy_666/article/details/86509914
注意有问题重启计算机。

三、QtCreator
sudo apt-get install qt5-default qtcreator

四、先装显卡驱动(安装完重启)，后安装CUDA、cuDNN(官网下载) NVIDIA官网都有教程
https://blog.csdn.net/u010801439/article/details/80483036
1.注意驱动版本，CUDA版本，cuDNN版本对应
安装完驱动用nvidia-smi命令检查一下是否安装成功;
2.安装CUDA之前先给gcc降级
https://developer.nvidia.com/cuda-zone点击Download Now，依次选择Linux，x86_64，Ubuntu，18.04，deb(local)，然后下面会出现安装步骤，以此在终端执行就行，额外参考:
https://developer.nvidia.com/cuda-downloads?target_os=Linux&target_arch=x86_64&target_distro=Ubuntu&target_version=1804&target_type=deblocal
https://docs.nvidia.com/cuda/cuda-installation-guide-linux/index.html#ubuntu-installation
安装完CUDA添加环境变量gedit ~/.bashrc,在最后加入这样两句三行，后两行不能用空格:

export PATH=/usr/local/cuda-11.0/bin${PATH:+:${PATH}}
export LD_LIBRARY_PATH=/usr/local/cuda-11.0/lib64\
${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}} 

再用nvcc -V命令检查一下是否安装成功
3.下载cuDNN需要注册。安装cuDNN只是将文件放入CUDA目录。
选择Installing from a Tar File(，此过程需要下载一个.tar压缩包)
https://docs.nvidia.com/deeplearning/cudnn/archives/cudnn-803/install-guide/index.html#install-linux
https://docs.nvidia.com/deeplearning/cudnn/archives/cudnn_742/pdf/cuDNN-Installation-Guide.pdf
安装完运行一个sample以确定安装成功，cuDNN-Installation-Guide里写了。

五、VTK、PCL
上官网或者github上下载源码，编译

六、OpenCV
先安装opencv所需要的依赖库：

sudo apt-get install build-essential
sudo apt-get install cmake git libgtk2.0-dev pkg-config libavcodec-dev libavformat-dev libswscale-dev
sudo apt-get install python-dev python-numpy libtbb2 libtbb-dev libjpeg-dev libpng-dev libtiff-dev libjasper-dev libdc1394-22-dev

github下载opencv-3.4.11和opencv_contrib-3.4.11，都解压，并把opencv_contrib-3.4.11放到opencv-3.4.11目录下，由于网络原因，需额外下载ippicv_2020_lnx_intel64_20191018_general.tgz，在/home/yaojiawei/Downloads/opencv-3.4.11/3rdparty/ippicv/ippicv.cmake中的
https://raw.githubusercontent.com/opencv/opencv_3rdparty/${IPPICV_COMMIT}ippicv
一句改为
file:///home/yaojiawei/Downloads/；
创建一个文件夹build，进去打开终端输入命令，注意后面的俩点不能丢(注意不要直接复制粘贴，一定要手动敲进命令行！！！)
这是需要CUDA的:

cmake -D CMAKE_BUILD_TYPE=RELEASE -D CMAKE_INSTALL_PREFIX=/usr/local -D WITH_CUDA=ON -D ENABLE_FAST_MATH=1 -D CUDA_FAST_MATH=1 -D WITH_CUBLAS=1 -D OPENCV_EXTRA_MODULES_PATH=../opencv_contrib-3.4.11/modules -D BUILD_EXAMPLES=ON ..

这是不需要CUDA命令:

cmake -D CMAKE_INSTALL_PREFIX=/usr/local -D CMAKE_BUILD_TYPE=Release -D OPENCV_EXTRA_MODULES_PATH=../opencv_contrib-3.4.11/modules ..

成功之后再输入 make，时间会很长
完事再输入

sudo make install

最后输入

sudo ldconfig

这一步会为opencv库创造所有必要的链接和缓存， /usr/local/lib中会有安装完的各种静态库.a和动态库(共享库).so 文件。

七、ROS(modelic)
ROSwiki有教程，期间有的下载需要热点，有的地方因为网卡需要多尝试几次，有的地方会报错需要上网搜解决办法，一般一搜就能搜到。
安装ros 在rosdep update的时候尝试很多次都失败，参考:
https://blog.csdn.net/u013468614/article/details/102917569
https://www.douban.com/note/636790523/
https://answers.ros.org/question/247285/rosdep-update-errorthe-read-operation-timed-out/
//执行
$ wget http://repositories.ros.org/rosdistro_cache/hydro-cache.yaml.gz
然后利用热点，移动号和联通号都多尝试几次。

八、ANACONDA(搭深度学习环境用虚拟环境，防止冲突)
1.安装完之后再打开终端会自动进入(base)模式，输入

$ conda config --set auto_activate_base false

取消(base)
另外，用anadonda-navigator 有可能不能进入图形化界面，参考:
https://blog.csdn.net/qq_36328643/article/details/89078829
2.创建TensorFlow虚拟环境(同样的方法创建其他框架的虚拟环境)，参考:
https://wangpei.ink/2019/03/29/Install-TensorFlow-GPU-by-Anaconda(conda-install-tensorflow-gpu)/
安装tensorflow-gpu会自动安装对应版本的CUDA和cuDNN。
强烈建议新手用虚拟环境，当然也可以用Docker，原理是一样的，都是创建独立的环境以防止同样的包不同版本之间的冲突（比如tensorflow1和tensorflow2）。

更新：有个地方要注意，在编译ORB-SLAM3时需要低版本的CMake(应该在3.2以下)，而tensorrt需要较高版本的CMake(>=3.13吧我记得)。