Ubuntu中需要安装的

Table of Contents

安装视频播放器VLC

修改菜單到下方 

点击应用程序图标即可最小化

图片编辑工具pinta, 在图片上添加文字, 安装命令如下:

Ubuntu16.04通过Anaconda安装TensorFlow(CPU) python2.7

对于.deb文件，双击安装即可

sublime-text-3安装：

    完成! 重新启动后就可以在 Sublime Text 3 中 使用 Fcitx了! 注意: 皮肤可能需要自己选择 ^_^

caffe安装

cuda安装

cudnn安装

为知笔记安装

qt安装

pip安装

pycharm安装

labelme

---

 

• 安装视频播放器VLC

sudo add-apt-repository ppa:videolan/master-daily
sudo apt-get update
sudo apt-get install vlc

• 修改菜單到下方 

终端输入：

gsettings set com.canonical.Unity.Launcher launcher-position Bottom

出现错误：

GLib-GIO-Message: Using the 'memory' GSettings backend.  Your settings will not be saved or shared with other applications.

解决方案：（源自https://hk.saowen.com/a/ebbd364855b4987bcf2718a46b5045fb246b6ef0f5b72c5c8278e63bc09dd959）

export GIO_EXTRA_MODULES=/usr/lib/x86_64-linux-gnu/gio/modules/

gsettings set com.canonical.Unity.Launcher launcher-position Bottom

• 点击应用程序图标即可最小化

gsettings set org.compiz.unityshell:/org/compiz/profiles/unity/plugins/unityshell/ launcher-minimize-window true

截屏：  https://blog.csdn.net/weixin_41898923/article/details/84620978

• 图片编辑工具pinta, 在图片上添加文字, 安装命令如下:

sudo apt-get install pinta

• Ubuntu16.04通过Anaconda安装TensorFlow(CPU) python2.7

安装链接

 

• 对于.deb文件，双击安装即可

   如谷歌浏览器的安装

sudo dpkg -i ****.deb

   如搜狗拼音的安装

 

 

• sublime-text-3安装：

    sudo add-apt-repository ppa:webupd8team/sublime-text-3  

    sudo apt-get update  

    sudo apt-get install sublime-text-installer 

    将来若要移除它：  sudo apt-get remove sublime-text-installer

和它有关的博客网址：   https://blog.csdn.net/lee_j_r/article/details/55214175

 

中文输入法解决：https://blog.csdn.net/CMbug/article/details/48525837

    安装 Sublime Text 3
    安装 Fcitx 输入法 + 皮肤
    修复 Sublime Text 3's 在 Ubuntu(Debian) 系统下的无法输入中文(CJK 字符)输入法的问题

注意

    这个修复仅当在终端中使用 subl . 调用Sublime Text 的时有效

使用方法

   sudo apt-get update

    克隆项目到本地 :

git clone https://github.com/lyfeyaj/sublime-text-imfix.git

    运行脚本 :

cd sublime-text-imfix && ./sublime-imfix

    完成! 重新启动后就可以在 Sublime Text 3 中 使用 Fcitx了! 注意: 皮肤可能需要自己选择 ^_^

• caffe安装

 

 

教程1

git clone https://github.com/BVLC/caffe.git  #从github上获取caffe

cd caffe 
cp Makefile.config.example Makefile.config  #此句各个教程里都有

———————————————————————————————————————————————————
subl Makefile.config 
因为目前我还没有安装sublim所以对于此命令我用的是：
sudo gedit Makefile.config


修改文件
1.应用 cudnn
将
#USE_CUDNN := 1
修改成： 
USE_CUDNN := 1


2.使用 python 接口
将
#WITH_PYTHON_LAYER := 1 
修改为 
WITH_PYTHON_LAYER := 1


3.修改 python 路径
INCLUDE_DIRS := $(PYTHON_INCLUDE) /usr/local/include
LIBRARY_DIRS := $(PYTHON_LIB) /usr/local/lib /usr/lib 
修改为： 
INCLUDE_DIRS := $(PYTHON_INCLUDE) /usr/local/include /usr/include/hdf5/serial
LIBRARY_DIRS := $(PYTHON_LIB) /usr/local/lib /usr/lib /usr/lib/x86_64-linux-gnu /usr/lib/x86_64-linux-gnu/hdf5/serial 
___________________________________________________________________________________________

然后修改 /usr/local/cuda/include/host_config.h 文件 : 这个我没弄

将
#error-- unsupported GNU version! gcc versions later than 4.9 are not supported!
改为
//#error-- unsupported GNU version! gcc versions later than 4.9 are not supported!

 ____________________________________________________________________________________________
OK ，可以开始编译了，在 caffe 目录下执行 ：

make all -j8  出现错误，因为运行的太快了，把-j8去掉即可

若想执行make all -j8， 修改Makefile.config文件，下面为修改后的，注释掉太高的速度

CUDA_ARCH := #-gencode arch=compute_20,code=sm_20 \
#-gencode arch=compute_20,code=sm_21 \
-gencode arch=compute_30,code=sm_30 \
-gencode arch=compute_35,code=sm_35 \
-gencode arch=compute_50,code=sm_50 \
-gencode arch=compute_52,code=sm_52 \
#-gencode arch=compute_60,code=sm_60 \
#-gencode arch=compute_61,code=sm_61 \
#-gencode arch=compute_61,code=compute_61

———————————————————————————————————————————————————
make all

出现错误：
NVCC src/caffe/layers/eltwise_layer.cu
nvcc fatal   : Unknown option 'Xcompiler-fPIC'
Makefile:594: recipe for target '.build_release/cuda/src/caffe/layers/eltwise_layer.o' failed
make: *** [.build_release/cuda/src/caffe/layers/eltwise_layer.o] Error 1

解决方案：

修改 caffe 目录下的 Makefile 文件： 

将：
NVCCFLAGS +=-ccbin=$(CXX) -Xcompiler-fPIC $(COMMON_FLAGS)
替换为：
NVCCFLAGS += -D_FORCE_INLINES -ccbin=$(CXX) -Xcompiler -fPIC $(COMMON_FLAGS)

将：
LIBRARIES += glog gflags protobuf boost_system boost_filesystem m hdf5_hl hdf5
改为：
LIBRARIES += glog gflags protobuf boost_system boost_filesystem m hdf5_serial_hl hdf5_serial

———————————————————————————————————————————————————
make pycaffe
出现错误：
CXX/LD -o python/caffe/_caffe.so python/caffe/_caffe.cpp
python/caffe/_caffe.cpp:10:31: fatal error: numpy/arrayobject.h: 没有那个文件或目录
compilation terminated.
Makefile:508: recipe for target 'python/caffe/_caffe.so' failed
make: *** [python/caffe/_caffe.so] Error 1
解决方案：
在home目录下安装，在caffe目录下安装均可
sudo apt-get install python-numpy

然后运行
make pycaffe

最后加下面这句 到 bashrc最后：

gedit ~/.bashrc

export PYTHONPATH=/home/aicrobo/caffe/python:$PYTHONPATH 

 

• cuda安装

 

1）系统设置 ->  软件和更新  ->  附加驱动  -> 选择英伟达驱动
2）为了方便开始安装过程的路径查找，把下载的cuda_8.0.44_linux.run安装文件移动到 HOME 路径
3）Ctrl + Alt + F1 进入文本模式，输入帐号密码登录
4）在文本模式登录后首先关闭桌面服务：
    sudo service lightdm stop
5）sudo ./ cuda_8.0.44_linux.run
   执行此命令约1分钟后会出现 0%信息，此时按q键，然后按照提示先输入 accept ，然后让选择是否安装 nvidia 驱动，若未安装则输入 “y”，若确保已安装正确驱动则输入“n”。我选的n
   当选y的时候OpenGL不安装，nvidia-xconfig不安装
   剩下的选择则都输入“y”确认安装或确认默认路径安装
6）打开桌面服务：
    sudo service lightdm start
7）配置 CUDA 环境变量
   sudo gedit ~/.bashrc
   在该文件最后加入以下两行并保存：（这两行中间的内容在文本格式下有显示，按自己电脑的来）
   export PATH=/usr/local/cuda-8.0/bin:$PATH
   export LD_LIBRARY_PATH=/usr/local/cuda-8.0/lib64:$LD_LIBRARY_PATH
   终端上会出现：
   ** (gedit:5927): WARNING **: Set document metadata failed: 不支持设置属性 metadata::gedit-position
   没事，忽略
8）使该配置生效：  source ~/.bashrc
第6步 验证 CUDA 8.0 是否安装成功
分别执行以下命令：
cd NVIDIA_CUDA-8.0_Samples/1_Utilities/deviceQuery
sudo make
./deviceQuery
若看到类似以下信息则说明 cuda 已安装成功：
./deviceQuery Starting...
 CUDA Device Query (Runtime API) version (CUDART static linking)
Detected 1 CUDA Capable device(s)
Device 0: "GeForce 940MX"
  CUDA Driver Version / Runtime Version          9.0 / 8.0
  CUDA Capability Major/Minor version number:    5.0
  Total amount of global memory:                 2003 MBytes (2100232192 bytes)
  ( 3) Multiprocessors, (128) CUDA Cores/MP:     384 CUDA Cores
  GPU Max Clock rate:                            1189 MHz (1.19 GHz)
  Memory Clock rate:                             2000 Mhz
  Memory Bus Width:                              64-bit
  L2 Cache Size:                                 1048576 bytes
  Maximum Texture Dimension Size (x,y,z)         1D=(65536), 2D=(65536, 65536), 3D=(4096, 4096, 4096)
  Maximum Layered 1D Texture Size, (num) layers  1D=(16384), 2048 layers
  Maximum Layered 2D Texture Size, (num) layers  2D=(16384, 16384), 2048 layers
  Total amount of constant memory:               65536 bytes
  Total amount of shared memory per block:       49152 bytes
  Total number of registers available per block: 65536
  Warp size:                                     32
  Maximum number of threads per multiprocessor:  2048
  Maximum number of threads per block:           1024
  Max dimension size of a thread block (x,y,z): (1024, 1024, 64)
  Max dimension size of a grid size    (x,y,z): (2147483647, 65535, 65535)
  Maximum memory pitch:                          2147483647 bytes
  Texture alignment:                             512 bytes
  Concurrent copy and kernel execution:          Yes with 1 copy engine(s)
  Run time limit on kernels:                     Yes
  Integrated GPU sharing Host Memory:            No
  Support host page-locked memory mapping:       Yes
  Alignment requirement for Surfaces:            Yes
  Device has ECC support:                        Disabled
  Device supports Unified Addressing (UVA):      Yes
  Device PCI Domain ID / Bus ID / location ID:   0 / 1 / 0
  Compute Mode:
     < Default (multiple host threads can use ::cudaSetDevice() with device simultaneously) >

deviceQuery, CUDA Driver = CUDART, CUDA Driver Version = 9.0, CUDA Runtime Version = 8.0, NumDevs = 1, Device0 = GeForce 940MX
Result = PASS

 

• cudnn安装

 

cd cuda/include/ #打开include目录
sudo cp cudnn.h /usr/local/cuda/include/  #复制头文件 
cd ../lib64    #打开lib64目录 
sudo cp lib* /usr/local/cuda/lib64/    #复制库文件 
建立软连接
终端输入
cd /usr/local/cuda/lib64/ 
sudo rm -rf libcudnn.so libcudnn.so.5 #删除原有动态文件
sudo ln -s libcudnn.so.5.1.10 libcudnn.so.5 #生成软衔接,5.1.10按自己电脑的来，看cuda/lib64/ 中是多少
sudo ln -s libcudnn.so.5 libcudnn.so #生成软衔接

nvcc -V 命令验证是否安装成功
若出现以下信息则表示安装成功：
nvcc: NVIDIA (R) Cuda compiler driver
Copyright (c) 2005-2016 NVIDIA Corporation
Built on Sun_Sep__4_22:14:01_CDT_2016

Cuda compilation tools, release 8.0, V8.0.44

 

• 为知笔记安装

sudo add-apt-repository ppa:wiznote-team
sudo apt-get update
sudo apt-get install wiznote

computer→ usr → share → applications → 能找到安装的wiznote

• qt安装

chmod +x qt-opensource-linux-x64-5.9.1.run 
./qt-opensource-linux-x64-5.9.1.run

出现窗口一路next，这次安装我选择全部，跳过了邮件登录

• pip安装

https://blog.csdn.net/weixin_37911283/article/details/70799481

sudo apt-get install python-pip python-dev build-essential 
sudo pip install --upgrade pip 

• pycharm安装

先在PyCharm官网下载安装包，链接：https://www.jetbrains.com/pycharm/download/#section=linux

选择平台为Linux，专业版收费，选择Community版，点击DOWNLOAD下载。

# 下载完成后，cd到下载目录，解压安装包
tar -zxvf pycharm-community-2019.1.3.tar.gz

# cd到bin目录下
cd pycharm-community-2019.1.3/bin

# 执行下面命令出现对话框
sh ./pycharm.sh

按博客https://blog.csdn.net/weixin_43790276/article/details/89439943对出现的对话框进行选择即可

继承bash环境变量:

 

输入密码然后单击Authenticate按钮

 

在Home的Computer下进入/usr/share/applications

找到这个图标,右键单击选择copy to, 选择桌面

 

对桌面图标单击右键选择Properties, 出现当前窗口,在Command添加bash -i -c, 然后关闭即可

• labelme

conda create --name=labelme python=2.7

source activate labelme

conda install pyqt

pip install labelme

输入：  labelme   启动labelme

注意：  文件夹路径中不能有中文