UBUNTU install

1、安装完双系统后没有系统引导界面

不要用easybcd，用系统自带的boot_pair
从刚刚安装系统的u盘启动，进入ubuntu 系统后，进行如下操作

https://blog.csdn.net/weixin_43793181/article/details/103108264
https://blog.csdn.net/discoverer100/article/details/94148635

补充：如何安装双系统：
双硬盘，双系统，一个硬盘一个系统F12

https://www.dell.com/support/kbdoc/zh-cn/000132108/how-to-install-ubuntu-and-windows-vista-or-7-as-a-dual-boot-on-your-dell-pc-%E5%A6%82%E4%BD%95%E5%9C%A8%E6%88%B4%E5%B0%94pc%E4%B8%8A%E4%BD%9C%E4%B8%BA%E5%8F%8C%E5%90%AF%E5%8A%A8%E5%AE%89%E8%A3%85ubuntu%E5%92%8Cwindows-vista%E6%88%967
https://www.dell.com/support/kbdoc/zh-cn/000131655/%e5%a6%82%e4%bd%95%e5%9c%a8-dell-pc-%e4%b8%8a%e5%ae%89%e8%a3%85-ubuntu-linux
https://zhuanlan.zhihu.com/p/35294113（分区）
https://blog.csdn.net/u012052268/article/details/77145427（分区）

2、install pinyin

sudo apt-get install ibus-libpinyin，然后在设置中的语言里加入chinese.

新系统一般会出现如下问题

Unable to acquire the dpkg frontend lock (/var/lib/dpkg/lock-frontend)

这个时候需要解锁，解决方式见：
哪个锁住了解开哪个

https://blog.csdn.net/shimadear/article/details/90598646

3、安装cuda
1)安装N卡驱动

首先我们需要添加源，

sudo add-apt-repository ppa:graphics-drivers/ppa
sudo apt update

然后检查可以安装的驱动版本，

ubuntu-drivers devices

选择最合适的版本安装即可，或者自动安装

sudo ubuntu-drivers autoinstall/sudo apt install nvidia-driver-XXX

最后，重启Ubuntu系统，输入nvidia-smi查看驱动信息。
如何变更呢？（可能由于版本问题需要变更）
点击ubuntu中software&&updates
在additional drivers中选择对应的版本进行替换

可以利用sudo apt install nvidia-driver-470来测试，如果没有新安装的，应该就好了，然后重启电脑。

sudo reboot
nvidia-smi（出现表格，有表格再做后续的）

2)安装cuda （https://blog.csdn.net/gaoyu1253401563/article/details/82808269）
进入nvidia开发者网站的CUDA下载页面 https://developer.nvidia.com/cuda-toolkit-archive

如果已经安装了，如何卸载cuda?
(https://blog.csdn.net/qq_39671345/article/details/120579745)
在/usr/local/cuda/bin 目录下,有cuda 自带的卸载工具uninstall_cuda_10.0.pl

cd /usr/local/cuda/bin
sudo ./uninstall_cuda_10.0.pl
sudo rm -rf /usr/local/cuda-10.0/

一定要选对版本号，怎么知道自己是什么版本呢？用下面的命令查
注意：这里查看的版本和nvidia-smi 是不一样的。解释如下：
https://blog.csdn.net/qq_41368074/article/details/107785536
我安装了低版本的，但是由于我的显卡现在是GTX3060 ,在后期使用过程中会报错，诸如：
cuda torch(8.6） 等等。所以我建议选则高版本的。
以下是一种查看方式，另一种是nvidia-smi：

 nvcc --version
Command 'nvcc' not found, but can be installed with:
sudo apt install nvidia-cuda-toolkit

han@han-System-Product-Name:~$ sudo apt install nvidia-cuda-toolkit（安装好后就可以查了）

nvcc --version

nvcc: NVIDIA (R) Cuda compiler driver
Copyright (c) 2005-2017 NVIDIA Corporation
Built on Fri_Nov__3_21:07:56_CDT_2017
Cuda compilation tools, release 9.1, V9.1.85
//9.1的，去官网下载这个。
https://developer.nvidia.com/cuda-toolkit-archive

CUDA安装，同时安装其补丁（3个）

在cuda下载目录下运行终端输入命令安装Base Installer
sudo sh cuda_9.1.85_387.26_linux.run+补丁
由于新版的11.5 不再是下载使用了，而是给出链接来下载，面对下载太慢的问题，大佬总是有办法，佩服，方法如下：
（https://blog.csdn.net/yxt916/article/details/109402650）

1.下载axel(wget的哥哥)：
终端输入：
sudo apt install -y axel
2.把链接中提供的网址中.com改成.cn，使用axel下载cuda11.1：
终端输入：
axel -n 50 https://developer.download.nvidia.cn/compute/cuda/11.1.0/local_installers/cuda_11.1.0_455.23.05_linux.run
(注意这里网址里的.com已经改成了.cn)（具体参数 -n 50作用：狡兔50窟）就好了

Q&A

1.在安装cuda的时候，有时候会提示toolkit installation failed using unsupported compiler。这是因为GCC版本不合适所导致的。
解决的方法很简单，直接在安装命令之后加-override再安装，一般来说就没什么问题了。如：
sudo ./cuda_6.0.37_linux_64.run -override
2.安装cuda的时候提示有多个显卡驱动：Existing package manager installation of the driver found. It is strongly recommended that you remove this before continuing.，然后再安装就提示安装失败！
解决：第一步：去usr/local目录下把带cuda的文件夹删除。然后使用指令sudo sh ./cuda_10.2..run --toolkit --silent --override 重新安装好了新版本
（https://blog.csdn.net/weixin_41010198/article/details/109367449）
（https://blog.csdn.net/catpico/article/details/119492795）

一个查看显卡的真实型号，可以进行转换（我们查出来的是十六进制的）：
http://pci-ids.ucw.cz/mods/PC/10de/2504

安装miniconda3

https://blog.csdn.net/gaoyu1253401563/article/details/82808269
（这篇文章巨全，还包括如何安装tensorflow）

安装tensorflow,pytorch以及对应的版本

https://blog.csdn.net/K1052176873/article/details/114526086
https://blog.csdn.net/caiguanhong/article/details/112184290

如何看cuda与pytorch有没有装好
（https://blog.csdn.net/nyist_yangguang/article/details/115011602）

import torch
# 我在python的命令环境测试该命令 返回是True的但是在run torch程序的时候报错
torch.cuda.is_available()
#会显示一句话
import torch
torch.zeros(1).cuda()

如果报错是GeForce RTX 3080 with CUDA capability sm_86 is not compatible with the current PyTorch installation. The current PyTorch install supports CUDA capabilities sm_37 sm_50 sm_60 sm_61 sm_70 sm_75 compute_37.那么一定是cuda版本的问题了。安装cuda版本不对。
解决方案：
下载cuda11重新配置环境。
此时，根据你电脑的显卡驱动以及cuda版本可能对应上了，也可能没有，比如torch.zeros(1).cuda(),还是不行。比如出现

GeForce RTX 3060 Laptop GPU with CUDA capability sm_86 is not compatible with the current PyTorch in

可能是因为Pytorch的原因，一定要按照官网安装，不要自己输入pip install。
(https://pytorch.org/get-started/previous-versions/)
（https://zhuanlan.zhihu.com/p/386506556）
（https://blog.csdn.net/weixin_42505757/article/details/115718837）

pip install torch==1.8.0+cu111 torchvision==0.9.0+cu111 torchaudio==0.8.0 -f https://download.pytorch.org/whl/torch_stable.html

(Pycharm)OSError: libcurand.so.8.0: cannot open shared object file: No such file or directory
（https://blog.csdn.net/u014236392/article/details/82913139）

$ sudo cp /usr/local/cuda-8.0/lib64/libcudart.so.8.0 /usr/local/lib/libcudart.so.8.0 && sudo ldconfig
$ sudo cp /usr/local/cuda-8.0/lib64/libcublas.so.8.0 /usr/local/lib/libcublas.so.8.0 && sudo ldconfig
$ sudo cp /usr/local/cuda-8.0/lib64/libcurand.so.8.0 /usr/local/lib/libcurand.so.8.0 && sudo ldconfig

ldconfig命令是一个动态链接库管理命令，是为了让动态链接库为系统共享

libcudnn_cnn_train.so.8 is not a symbolic link此类问题解决方法
（https://blog.csdn.net/qq_36577574/article/details/119174973）

/sbin/ldconfig.real: /usr/local/cuda-11.2/targets/x86_64-linux/lib/libcudnn_cnn_train.so.8 is not a symbolic link

/sbin/ldconfig.real: /usr/local/cuda-11.2/targets/x86_64-linux/lib/libcudnn_adv_infer.so.8 is not a symbolic link

/sbin/ldconfig.real: /usr/local/cuda-11.2/targets/x86_64-linux/lib/libcudnn_adv_train.so.8 is not a symbolic link

/sbin/ldconfig.real: /usr/local/cuda-11.2/targets/x86_64-linux/lib/libcudnn_cnn_infer.so.8 is not a symbolic link

/sbin/ldconfig.real: /usr/local/cuda-11.2/targets/x86_64-linux/lib/libcudnn.so.8 is not a symbolic link

/sbin/ldconfig.real: /usr/local/cuda-11.2/targets/x86_64-linux/lib/libcudnn_ops_infer.so.8 is not a symbolic link

/sbin/ldconfig.real: /usr/local/cuda-11.2/targets/x86_64-linux/lib/libcudnn_ops_train.so.8 is not a symbolic link

解决方法：创建软链接

$ sudo ln -sf /usr/local/cuda-11.2/targets/x86_64-linux/lib/libcudnn_cnn_train.so.8.2.0 /usr/local/cuda-11.2/targets/x86_64-linux/lib/libcudnn_cnn_train.so.8
$ sudo ln -sf /usr/local/cuda-11.2/targets/x86_64-linux/lib/libcudnn_adv_infer.so.8.2.0 /usr/local/cuda-11.2/targets/x86_64-linux/lib/libcudnn_adv_infer.so.8
$ sudo ln -sf /usr/local/cuda-11.2/targets/x86_64-linux/lib/libcudnn_adv_train.so.8.2.0 /usr/local/cuda-11.2/targets/x86_64-linux/lib/libcudnn_adv_train.so.8
$ sudo ln -sf /usr/local/cuda-11.2/targets/x86_64-linux/lib/libcudnn_cnn_infer.so.8.2.0 /usr/local/cuda-11.2/targets/x86_64-linux/lib/libcudnn_cnn_infer.so.8
$ sudo ln -sf /usr/local/cuda-11.2/targets/x86_64-linux/lib/libcudnn.so.8.2.0 /usr/local/cuda-11.2/targets/x86_64-linux/lib/libcudnn.so.8
$ sudo ln -sf /usr/local/cuda-11.2/targets/x86_64-linux/lib/libcudnn_ops_infer.so.8.2.0 /usr/local/cuda-11.2/targets/x86_64-linux/lib/libcudnn_ops_infer.so.8
$ sudo ln -sf /usr/local/cuda-11.2/targets/x86_64-linux/lib/libcudnn_ops_train.so.8.2.0 /usr/local/cuda-11.2/targets/x86_64-linux/lib/libcudnn_ops_train.so.8

fatal: unable to access ‘https://github.com/xxxx/’: Failed to connect to x.x.x.x port xxxxx: Connection refused|git clone问题（完美解决）

1.首先输入命令查看代理设置情况

 env|grep -i proxy 

NO_PROXY=localhost,127.0.0.0/8,::1
http_proxy=http://127.0.0.1:46759/
https_proxy=http://127.0.0.1:46759/
HTTPS_PROXY=http://127.0.0.1:46759/
no_proxy=localhost,127.0.0.0/8,::1
HTTP_PROXY=http://127.0.0.1:46759/

2、找开.bashrc文件

gedit ~/.bashrc

在未尾添加红框中的一行，具体是哪一项，根据env的结果来看