Win10+Ubuntu16.04双系统安装，并在Ubuntu下安“NVIDIA驱动+cuda8.0+cudnn5.1+opencv3.0.0+tensorflow-gpu”

准备材料：win10+ubuntu16.04系统启动盘

---

一  WIN10安装

• 参考：https://www.zhihu.com/question/54059979 中“最强近战SCV”大佬的回答

1 将带启动盘的u盘插入并重启，在BIOS中从该U盘启动

2 选择自定义安装，在磁盘分区时，将原来的分区全部删掉。删完后鼠标点击仅剩的”未分配空间“，点击下方的”新建“对分区进行划分，我自己新建了三个主分区（C:180G,D、E大小随意）

3 建完分区后，选择一个主分区，也就是你预设的C盘，作为系统安装盘，点击”下一步“进行安装

注：安装时可能报错”windows无法复制安装所需文件，文件可能损坏或丢失“，这是因为启动盘损坏了，需要重新制作（win10+ultro软件制作）。再安装时，可能报错”无法安装到该盘，因为采用了gpt分区格式“，我的解决方式是将上次失败安装建的分区再删掉并重建

4 安装结束后，会自动重启，注意要在听到开机的”哔“声后拔掉U盘，然后就会自动进入开机界面（但好像又自动重启了一次），进入选择语言等环节后安装完成

5 进入系统后，在”此电脑“处右键进入”管理“就能看到”磁盘管理“， 并对各分区在”磁盘管理“中进行格式化，才能存储数据

---

二  Ubuntu16.04安装

（1） ubuntu系统安装

• 参考：https://blog.csdn.net/s717597589/article/details/79117112

1 在win10系统下，在”磁盘管理“中对空间较大的磁盘进行”压缩卷“

2 将带入启动盘的U盘插入重启，U盘为引导项启动

3 磁盘分区：swap-主分区-8GB-交换空间；/-逻辑分区-16G-EFI系统分区；/boot-逻辑分区-200M-EFI系统分区； /usr-逻辑分区-16G-EFI系统分区；/home-逻辑分区-较大空间-EFI系统分区

注：安装时选”中文“的话在安装显卡驱动时，出现菱形乱码，通过https://blog.csdn.net/weixin_34367845/article/details/89729081 中的方法将原本的中文转为英文，才成功安装，所以建议安英文版

 

（2） 安装nvida 驱动410 -- Titan XP

• 参考：https://www.cnblogs.com/fanminhao/p/8902296.html

注：安装时提示”The distribution-provided pre-install script failed! Are you sure you want to continue“，查到这个问题源自nvidia驱动安装包自身的问题，点击”continue installation“继续安装

 

（3）安装cuda8.0 & cudnn5.1

• 参考：https://blog.csdn.net/autocyz/article/details/52299889

注：安装cuda8.0时需要按”enter“键，有提示选是否要安装驱动，注意要选”no“，其余均默认或”y“&"accept"

 

（4）安装opencv3.0.0

• 参考：https://blog.csdn.net/autocyz/article/details/52299889

注：

1 ”cmake“报错："CMake Error .... ICV:Failed to download ICV package: ippicv_linux_2014027.tgz"

解决方法参考：https://blog.csdn.net/qq_41278160/article/details/80514483

2 ”make"报错：“Makefile:149: recipe for target 'all' failed" "make: ***[all] Error 2"

解决方法参考：https://blog.csdn.net/weixin_41887832/article/details/81988355

3 安装checkinstall 报错”E:  Failed to fetch http://cn.archive.ubuntu.com/ubuntu .... Temporary failure resolving ... “

解决方法：在浏览器先打开 http://cn.archive.ubuntu.com/ubuntu，再执行

 

（5）安装tensorflow-gpu

The version of tensorflow-gpu should match the version of cuda and cudnn

sudo pip install tensorflow-gpu==1.2.0