坯子库安装不上_华硕Z390主板Window+Ubuntu双系统安装

https://docs.nvidia.com/deeplearning/sdk/cudnn-install/index.html#install-linux这篇文章和自己计算机安装方式非常一想，Mark一下，几个自己不明白的地方：

• Ubuntu分区
  • 挂载“/”,类型为EXT4日志文件系统，选择“逻辑分区”和“空间起始位置”。根目录将挂载除了“/home”和“/usr”之外的其他目录，分配50G
  • 挂载“/usr”,类型为EXT4日志文件系统，选择“逻辑分区”和“空间起始位置”。“/usr”为Linux存放软件的地方，分配100G（我一开始不知道软件安装在这里，分了8G，安装了CUDA时，直接系统提醒space不够了）
  • 挂载“/home”，类型为EXT4日志文件系统，选择“逻辑分区”和“空间起始位置”。剩余120G左右空间全部分配给“/home”
  • /home 用户的home目录所在地，这个分区的大小取决于有多少用户。如果是多用户共同使用一台电脑的话，这个分区是完全有必要的，况且根用户也可以很好地控制普通用户使用计算机，如对用户或者用户组实行硬盘限量使用，限制普通用户访问哪些文件等。 以往Linux系统主要是提供服务器使用，所以/home这个目录使用量并不高。但随著Linux的桌面应用发展，不少人也拿来在日常上使用，这时/home就变成存储媒体中，最占容量的目录。假如你安装Ubuntu主要是桌面应用，那你可能需要把最大的空间留给他。 额外分割出/home有个最大的好处，当你重新安装系统时，你不需要特别去备份你的个人文件，只要在安装时，选择不要格式化这个分区，重新挂载为/home就不会丢失你的数据。
  • 将“安装引导启动器的设备/Device for boot loader installation”设置为与Ubuntu的EFI分区所对应的部分，文中为p5，故设置为p5作为安装引导启动器的设备

Under "Device for boot loader installation":

• if you choose dev/sda, it will use Grub (Ubuntu's boot loader) to load all systems on this hard drive.
• if you choose dev/sda1, Ubuntu need to be manually added to drive's boot loader after installation. (for example, you previously have Windows installed on another partition of this drive, you'll need manually add Ubuntu into mbr)

/bin 存放着使用者最经常使用的命令。例如：cp,ls,cat

/boot 这里存放的是启动LINUX时使用的一些核心文件

/dev 所有LINUX的外部设备，其功能类似DOS下的.sys和Win下的.vxd

/etc 这个目录用来存放所有的系统管理所需要的配置文件和子目录

/lib 这个目录里存放着系统最基本的动态链接共享库，其作用类似于Windows里的.dll文件

/lost+found 这个目录平时是空的，当系统不正常关机后，这里就成了一些无家可归的文件的避难所

/mnt 这个目录是空的，系统提供这个目录是让用户临时挂载别的文件系统

/proc 这个目录是一个虚拟的目录，它是系统内存的映射，我们可以通过直接访问这个目录来获取系统信息

/root 系统管理员，也叫作超级权限者的用户主目录。当然系统的拥有者

/sbin 就是Super User的意思，也就是说这里存放的是一些系统管理员使用的系统管理程序

/tmp 这个目录不用说，一定是用来存放一些临时文件的地方了

/usr 这是个最庞大的目录，装软件和软件的数据都在这个里面

https://blog.csdn.net/tuzhenlei/article/details/52098046​blog.csdn.net 配置深度学习主机与环境（TensorFlow+1080Ti） | 第二章 Win10&Ubuntu双系统与显卡驱动安装​cloud.tencent.com 小白Licko：【第一篇】Ubuntu 16.04 服务器深度学习环境共用方案（搭建、分配、克隆、远程）​zhuanlan.zhihu.com

https://blog.csdn.net/weixin_42279044/article/details/83181686​blog.csdn.net Deep Learning SDK Documentation​docs.nvidia.com https://docs.nvidia.com/deeplearning/sdk/cudnn-support-matrix/index.html​docs.nvidia.com