安装双系统ubuntu设置，以及ubuntu外接显卡安装驱动，访问windows文件等超详细操作

装入ubuntu系统

因为我要做的项目是一个机器手的项目，需要的是20.04系统，所以我选择装入的是ubuntu20.04，下载20.04的ios文件映像，下载rufu管理U盘工具，将ios映像写入到U盘制作启动盘，等待完成。
在等待期间将ubuntu系统的磁盘空间压缩出来，在电脑的磁盘管理界面，点击压缩卷，压缩想要空间的大小。
待上述步骤完成之后按住shift健选择重启电脑，这样就会到一个选择驱动类型的界面，在这里，点击U盘启动项，这样就会进入到ubuntu的安装界面。

引导ubuntu安装

在安装步骤界面，按照需求进行选择，因为我要跑强化学习模型，所以在附加驱动那里，选择了要额外安装音视频以及显示驱动。
关键步骤：
1.在选择分区那里，第一个是系统自动引导挂载磁盘，前提是我们已经压缩出来了一个卷。
2.第二个是擦除所有设备，谨慎选择，这个选择会将win系统的所有数据清空。
3.第三个选项为手动挂载各个分区。适合有基础的同学。如果选择这个选项我们可以找出free的磁盘区域 ，将其设置为ext4文件系统，挂载到根目录/下。（推荐）
下面就是设置密码等选项，一步一步进行操作，设置完成之后进入安装界面，等待安装完成以后重启即可。

设置ubuntu（访问windows文件）

进入到ubuntu系统之后，可以在文件目录下看见其他位置字样，这个字样里面有windows一系列的文件目录，可以进行查看以及操作。
注意：如果有已加密等字样，是因为windows系统设置了BitLocker设备加密，要想访问win文件，必须关闭设备加密。步骤如下：
1.返回windows系统，如果在返回途中，显示磁盘驱动已加密锁定，需要输入恢复密匙，（恢复密匙可以在另外一台电脑上登陆window账号查看设备恢复钥匙，是一串连续数字）。输入之后就会进入到windows系统。
2。进入系统之后，点击设置选项，在里面搜索BitLocker，就会出现设备加密，选择这个选项，选择关闭设备加密。
3.等待解密完成就可以了。
这个时候就可以在ubuntu上进行访问windows系统文件了。

ubuntu下载nvidia驱动

在下载英伟达驱动时
1.一定要注意关闭电脑的secure boot选项，关闭这个选项的操作是进入到主机bios中，在secqurity 设置中找到这个选项选择disable。重启进入ubuntu系统即可。
2.进入系统之后，可以在软件与更新中的附加驱动中查看是否有英伟达的驱动，也可以在命令行中输入nvidia driver list进行查看，下载需要的版本即可，也可以在官网下载推荐的驱动。
注意!!!：下载完驱动之后，在命令行中输入nvidia-smi进行查看是否有显卡信息，如果出现fial的（未能连接驱动），sudo apt install dkpm管理驱动，并且将ubuntu自带的开源驱动给关闭和禁用即可。
再次输入nvidia-smi进行测试即可。

ubuntu安装anaconda

在anaconda官网中（[https://www.anaconda.com/]）下载需要的conda版本，将sh脚本文件下载到ubuntu，然后运行

bash ./相对应的sh文件

等待安装完成，在运行source ～./bashrc刷新终端即可显示base环境。如果想要将终端设置为默认conda。可以修改环境配置，这个是默认base环境，在bashrc加入下面的语句后启动终端会进入到base环境，如果想要进入别的环境需要deactivate base环境。
1.sudo gedit ~./bashrc
2.加入到文件最后进行

 export PATH="~/anaconda3/bin":$PATH
 source ~/anaconda3/bin/activate #修改终端的默认 python 为 anaconda

保存文件后关闭，再次运行source ~./bashrc即可。
在下载完conda之后创建虚拟环境时要记得退出conda环境，将环境退出干净，避免环境叠加影响，叠加影响后的版本可能会与之前的相同，就是套娃。。。

下载cuda toolkit

1.运行nvidia-smi查看支持的cuda版本，比如我这里显示的支持cuda12.4，在官网中找低于12.4版本的cuda进行下载即可。
在出来的界面进行选择ubuntu版本，选择runfile文件进行下载，其依赖比较全面，
2.下载完成之后，运行.run文件进行下载。
3.下载完成之后提示需要将一系列路径添加到PATH和LD中，我们使用～/.bashrc在每次启动终端都进行添加，将下列语句添加到bashrc中。
4.进行source ~/.bashrc进行刷新终端即可。
5.可以使用nvcc -V进行查看安装的cuda的安装信息。

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

在这里添加cuda和cudnn的区别：
cuda是一个利用GPU进行加速处理的一个模型平台，cuda toolkit是这个平台的功能包，里面包含GPU加速处理的库。
cudnn建立在cuda之上，是利用cuda进行深度学习的一个高级库，其对深度学习特定方法可以实现加速处理，类似与用cuda编写的api。

运行LEAP Hand项目总结

出现了numpy与pillow不兼容的情况:
1.在网上搜了一下出问题的根源，说是torchvision和numpy和pillow的问题，依次查找版本来进行检查是否需要对版本进行升降级。
2.用pip show查看各个库的版本是否对应，也可以使用pip check进行查看这些库之间存在的冲突。
最终查询到pillow的版本为10.0，需要进行降级到9.0
3.找到问题根源，在虚拟环境中对pillow进行降级，执行pip install pillow==9.0.0
再次运行，解决问题。
总结：
1.查看问题的来源，看看是不是库版本太低或者太高导致的问题，查看库之间是否有冲突，如果有冲突，则需要对版本进行更改！！！！
2.查看每一个库的版本是否进行了更改，比如将某一个功能去掉了，或者变更了使用用法导致出错，找到合适的版本进行下载或者修改相对应的代码！