安装Ubuntu20后快速搭建工作环境（深度学习）

准备工作

1. Ubuntu20系统U盘
2. 格式化分区（非必要）
   启动安装系统U盘，进入试用系统，打开终端

sudo fdisk -l         # 查看磁盘
sudo fdisk /dev/sda   # 操作磁盘，注意/dev/sda是我准备清除分区的磁盘

进入Comand模式，输入 m 可查看命令帮助
输入 d 删除一个分区，若有多个分区，则需要根据提示输入对应的分区序号。

清除该磁盘上的全部分区后，输入 w 保存操作结果并退出Comand模式。

reboot 重启试用系统

Unbuntu安装

启动安装系统U盘，, 选择安装Ubuntu(中文、English均可)

【安装类型】页面选择【其他选项】，自定义安装

空闲磁盘上创建分区，例如：我的SSD磁盘大小为250060M，分区情况如下

挂载点	用于	大小
	EFI系统分区	64M
/	ext4日志文件系统	251804M
	交换空间	8192M

安装引导器设备在分配的 EFI系统分区 （这里我的是/dev/sda1）

【时区设置】页面，可直接跳过

【用户信息】页面，设置用户名、电脑名、用户密码等

等待安装完成

桌面美化

Unbuntu20开机，打开终端

sudo apt install gnome-shell  
sudo apt install gnome-shell-extensions         
sudo apt install chrome-gnome-shell  #与浏览器通信，便于安装gnome-shell插件

打开火狐浏览器
输入网址https://extensions.gnome.org

点击“安装浏览器插件”，成功后，搜索“Dash to Panel”，点击“OFF”开关，安装该插件

按下电脑 Super 键，搜索“tweaks”(中文为“优化”)， 进入“扩展”，即可管理插件

• Dash to Panel：windows风格
• Dash to Dock：mac风格

软件安装

1、NVIDIA显卡驱动（3种方法，推荐第一种）

①“附加驱动”图形界面安装：

按下电脑 Super 键，搜索“driver”(中文为“附加驱动”) ，选择对应的NVIDIA显卡驱动

②apt安装:

查看显卡硬件型号以及系统推荐可安装的驱动版本号：

sudo ubuntu-drivers devices

确认版本号后，输入安装（下面的xxx即为版本号）

sudo apt install nividia-driver-xxx

or
若同意安装推荐版本，可直接使用自动安装:

sudo ubuntu-drivers autoinstall 

③去NVIDIA官网下载最新版驱动再手动安装(较麻烦)
下载地址：https://www.nvidia.cn/download/index.aspx

参考以前写的博客Ubuntu16重装后快速搭建工作环境【安装显卡驱动部分】

2、安装chrome浏览器

下载地址：https://www.google.cn/chrome/

sudo apt install ./google-chrome-stable_current_amd64.deb

or

sudo dpkg -i google-chrome-stable_current_amd64.deb

3、安装anaconda

下载地址：https://www.anaconda.com/distribution/#download-section

bash ./Anaconda3-X.X.X-Linux-x86_64.sh

安装过程中，按q健可跳过开头的license说明，输入yes接受协议。

4、安装Pycharm

直接打开“Ubuntu Software”，搜索“Pycharm”，进行安装。

5、安装CUDA Toolkit（2种方式，若需安装多个CUDA版本，可通过软链接管理，建议第二种方式）

①apt默认安装方式：（不会安装在/usr/local/cuda-X.X目录下，不方便管理）

sudo apt install nvidia-cuda-toolkit

等待安装结束，查看版本信息

nvcc -V

可 which nvcc 查看nvcc目录
可 ldconfig -p | grep cuda 查看cuda共享库位置

②去官网下载安装:

https://developer.nvidia.com/cuda-toolkit-archive

下载文件后，终端输入下列命令。

sudo chmod +x ./cuda_XX.XX.XXX_XXX.XX_linux.run
sudo ./cuda_XX.XX.XXX_XXX.XX_linux.run 

安装过程中，按q健可跳过开头的license说明，输入accept接受协议。

• 选择不安装NVIDIA Accelerated Graphicsc Driver；
• 选择安装路径为默认路径；
• 选择安装CUDA Toolkit；
• 选择不安装CUDA samples（通过TensorFlow调研CUDA，不直接写CUDA代码）。
  

在对应用户的~/.bashrc文件下新增两行

export PATH=/usr/local/cuda/bin:$PATH
export LD_LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PATH

终端执行

source ~/.bashrc

查看版本信息

nvcc -V

6、安装cuDNN

cuDNN下载地址：https://developer.nvidia.com/rdp/cudnn-archive，下载需账号账号

第一步：复制cuDNN相关文件到cuda-XX.XX安装目录

# 直接解压缩到cuda目录
sudo tar -xf ./cudnn-XX.XX-linux-x64-vX.X.X.X.tgz -C /usr/local/ 

or

# 先解压缩cudnn-XX.XX-linux-x64-vX.X.X.X.tgz，再输入下列命令复制文件
sudo cp ./cuda/include/cudnn.h /usr/local/cuda/include/ 
sudo cp -d ./cuda/lib64/libcudnn* /usr/local/cuda/lib64/ 

第二步：复制完成后，给所有用户加可读权限

sudo chmod a+r /usr/local/cuda/include/cudnn.h
sudo chmod a+r /usr/local/cuda/lib64/libcudnn*

若安装CUDA时，已设置LD_LIBRARY_PATH包含CUDA路径，则安装完成。
第三步：动态链接库管理【创建动态装入程序(ld.so)所需的连接和缓存文件】(若安装完CUDA，未设置LD_LIBRARY_PATH包含CUDA路径)

（！！！如果已设置$LD_LIBRARY_PATH，则此步可跳过，参考Linux ldconfig命令）

cd /etc/ld.so.conf.d/
#cat libc.conf               # 查看其他*.conf配置，照猫画虎
#cat x86_64-linux-gnu.conf   # 查看其他*.conf配置，照猫画虎
sudo gedit cuda.conf

在文件中添加：

/usr/local/cuda/lib64

执行下列命令，使上述设置立即生效

sudo ldconfig -v

换源

1、Ubuntu

选择中国服务器源即可，若默认为中国服务器，则无需改动。

2、 Conda

打开终端，输入命令

gedit ~/.condarc

复制粘贴以下文本，并保存

channels:
  - https://mirrors.ustc.edu.cn/anaconda/pkgs/main/
  - https://mirrors.ustc.edu.cn/anaconda/pkgs/free/
  - https://mirrors.ustc.edu.cn/anaconda/cloud/conda-forge/
ssl_verify: true

3、 pip

打开终端，输入命令

mkdir ~/.pip                 # 创建文件夹
gedit ~/.pip/pip.conf

复制粘贴以下文本，并保存

[global]
index-url = https://mirrors.aliyun.com/pypi/simple/
[install]
trusted-host = mirrors.aliyun.com
[download]
trusted-host = mirrors.aliyun.com