双系统ubuntu安/重装及部分视觉学习应用（CUDA,CUDNN,Pytorch,ROS）安装（2023.01）

已于 2023-04-26 19:02:17 修改
阅读量571 收藏 7
点赞数 3
文章标签： ubuntu 学习 pytorch
于 2023-04-26 18:46:38 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_74734794/article/details/128731142
版权

注意时间：2023.01，部分应用安装可能存在改动。
电脑以 Lenovo拯救者Y9000P 2022 为例，系统以 windows11 & Ubuntu20.04 为例。不同系统和电脑的操作可能会不同。
为避免篇幅过长，省略了较多图片，具体参照提供的链接，其中的说明都比较详细。

目录

准备

项目数量
Lenovo 拯救者Y9000P 2022笔记本电脑1
空U盘（>=4G,稍微大点好，仅装系统用）1

一、ubuntu系统的安装与卸载

总体可参照视频 https://b23.tv/5QxEXAu，非常详细。其中我选择的安装盘制作应用与其不同。

1.安装盘制作

  1. 下载Ubuntu20.04镜像文件
  2. 下载Rufus，官网https://rufus.ie/zh/，点击Rufus 3.21（可能直接下最上面的一个版本就行。下载得到的是一个可执行文件，直接打开就能用）
    在这里插入图片描述
  3. 制作安装盘（U盘内有重要内容的先备份；选择如图，电脑不同需要重新查验过，原因和方法参照视频；需要一段时间）
    请添加图片描述

2.磁盘分区

  1. 右键单击“此电脑”
  2. 点击“管理”
  3. 点击“磁盘管理”
  4. 右键单击有多余内存的磁盘
  5. 点击“压缩卷”
  6. 输入压缩空间量（给Ubuntu分配的磁盘容量，单位为MB，最好>=50G）
  7. 点击“压缩”

3.安装

  1. 关机
  2. 插入安装盘
  3. 开机按住“F12”进入BIOS
  4. 第一次安装的话这里应该是要关闭一个secure boot我第重装的时候这个不用调了就没记，后续补上，视频里应该是有类似的操作
  5. 利用方向键选择Linpus，回车（在下面的过程中可能会出现黑屏的情况，我的三次安装一次出现在安装时，两次出现在安装后，据网上资料也有出现在安装前的，解决方案见 黑屏处理 ）
  6. 选择ububtu，enter即进入安装，等待一段时间
  7. 选择语言：中文简体，安装Ubuntu
  8. 键盘格局：Enlish（US），继续
  9. 网络设置（可先跳过）
  10. 更新和其他软件：只选正常安装，继续
  11. 安装类型：其他选项 ，继续
  12. 安装类型：选中空闲分区，点击“+”
名称大小用于挂载点
引导区500MBEFI系统分区
内存交换分区10GB交换空间
/home挂载点40GBExt4日志文件系统/home
/根挂载点剩下的Ext4日志文件系统/
  1. 安装启动引导器的设备：和上表中名称与500MB引导区设备名称相同的一项
  2. 现在安装 ，继续
  3. 点击中国的任意位置使显示“Shanghai”,继续
  4. 设置姓名/密码
  5. 完成后现在重启
  6. 待系统出现提示后，拔出安装盘，按下“Enter”
    请添加图片描述
  7. 再次进入系统后，点击“跳过”或“前进”，但在“帮助改进Ubuntu”时选择“否”

4.黑屏处理与换源（以清华源为例）

参照视频https://www.bilibili.com/video/BV1wY411p7mU/?share_source=copy_web，非常详细。

  • 安装前与安装时的黑屏处理：
  1. 在选择系统（即引导）时，在亮条位于ubuntu时按下E编辑启动项
  2. 找到含有“Linux”的这行，将末尾的“—”改为nomodeset
  3. 按下F10来以更新的启动项启动
  • 安装后的黑屏处理（安装前与安装时黑屏处理完后也要进行）：
  1. 打开终端
  2. sudo gedit /etc/modprobe.d/blacklist.conf
  3. blacklist nouveau
  4. sudo update-initramfs -u

此时nouveau驱动已禁用，屏幕亮度无法调整，且后续安装CUDA需要，因此安装nvidia驱动

  1. 选择版本：20.04 LTS，复制源进行手动换源或用命令自动换源（后者没试过）
# 默认注释了源码镜像以提高 apt update 速度，如有需要可自行取消注释
deb https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ focal main restricted universe multiverse
# deb-src https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ focal main restricted universe multiverse
deb https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ focal-updates main restricted universe multiverse
# deb-src https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ focal-updates main restricted universe multiverse
deb https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ focal-backports main restricted universe multiverse
# deb-src https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ focal-backports main restricted universe multiverse
deb https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ focal-security main restricted universe multiverse
# deb-src https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ focal-security main restricted universe multiverse

# 预发布软件源，不建议启用
# deb https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ focal-proposed main restricted universe multiverse
# deb-src https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ focal-proposed main restricted universe multiverse
  1. sudo gedit /etc/apt/sources.list（打开源）
  2. 将里面的内容全部删除，替换为刚复制的清华源，保存
  3. sudo apt-get update
  • 下面安装驱动
  1. sudo apt install nvidia-driver-495

用nvidia-smi查看版本，发现
NVIDIA-SMI has failed because it couldn't communicate with the NVIDIA driver. Make sure that the latest NVIDIA driver is installed and running.
nvcc -V,发现

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

于是

  1. sudo apt install nvidia-cuda-toolkit或者直接到CUDA安装CUDA（参考了博客<>后者我没试，因为还不知道驱动可支持的CUDA版本，只知道495对应11.6版本的CUDA）
    安装完成后再nvidia-smi出现了driver没启动的报错，重启一下即可
    重启后就会发现，无法加载进页面（我也不知道为什么会这样）

  2. 按下“Ctrl+Alt+F3”进入命令行模式，再

  3. “Ctrl+Alt+F1”回到图形化模式，等待一小段时间加载完毕即可（以后的启动几乎都需要这步，我的是这样）

此时打开终端，输入nvidia-smi即发现已正常，亮度也可调整。到此ubuntu系统已经安装完毕。

5.卸载

总的可参照http://t.csdn.cn/BmNHy
参考了博客http://t.csdn.cn/vaxIB

  • 普通磁盘的卸载
  1. 进入windows
  2. 右键单击“此电脑”
  3. 点击“管理”
  4. 点击“磁盘管理”
  5. 找到并右键单击之前分配给Ubuntu的磁盘
  6. 点击“删除卷”

此时会有一个标EFI的系统磁盘删不掉，见下一环节

  • EFI的卸载
  1. 按下“windows+x”
  2. 按下“A”或点击“Windows终端 （管理员）” ，依次输入以下命令：
  3. diskpart
  4. list disk
  5. select disk 0
  6. list partition
  7. select partition 6
  8. sel partition 6
  9. SET ID=edb0a0a2-b9e5-4433-87c0-68b6b72699c7
  10. 回到磁盘管理右击“删除卷”（此时发现可以删除了）。（CSDN中部分教程到此就当作完成了，但是我直接重启后，系统还是进入了GNU GRUB（好像是Linux系统的引导程序，我也不懂），为了进入Windows，需关机，再开机时马上按下“F12”进入BIOS，利用方向键选择Windows，回车，就能回到Windows（CSDN上也有直接用命令的方法http://t.csdn.cn/QKVhL，我觉得很麻烦就没尝试）。然后进行以下操作斩草除根。所以执行完上述命令后继续执行下面的就行了）
    请添加图片描述
  1. select partition 1
  2. assign letter=p:
  3. exit
  4. taskkill /im explorer.exe /f
  5. explorer.exe
  6. p:
  7. ls
  8. cd EFI
  9. ls
  10. cd ..
  11. del ubuntu
  12. ls
  13. 最后重启。按住F12进入BIOS（这时候就能观察到Ubuntu启动项已经消失了），选择Windows（这时候可能系统就自动恢复了Windows的首选启动项，如果不执行，系统就会反复重启），再次关机重启后可以发现启动Windows非常流畅。到此卸载就结束了。

二、应用安装

Git,CMake,Vim

直接使用命令sudo apt-get install ${应用名}：
sudo apt-get install git
sudo apt-get install cmake
sudo apt-get install vim

CUDA

  1. 查看可支持的cuda版本
    nvidia-smi
    查看可支持的cuda版本

  2. 先卸载之前安装过的nvidia-cuda-toolkit（否则会导致CUDA版本始终为10.2，之前没安装就不用了）：
    sudo apt install nvidia-cuda-toolkit

  3. 官网https://developer.nvidia.com/cuda-toolkit-archive上找到相应的cuda （以11.6.1为例）
    按照系统依次选择Linux->x86_64->Ubuntu->20.04->runfile(local)
    官网生成4、5的代码，输入终端：

  4. wget https://developer.download.nvidia.com/compute/cuda/11.6.1/local_installers/cuda_11.6.1_510.47.03_linux.run
    快进行完时出现了“s段错误（核心已转储）”的报错，我把下载的删了重新下了一次就好了，CSDN中也有其他解决方案，不知道有没有用。出现“已保存“cuda_11.6.1_510.47.03_linux.run” [3529826023/3529826023])”表示安装包下好了。

  5. sudo sh cuda_11.6.1_510.47.03_linux.run

  6. 输入“accept”

  7. 按空格取消安装驱动
    请添加图片描述

  8. 结束后配置环境变量
    gedit ~/.bashrc
    在结尾加上

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

保存
source ~/.bashrc

  1. 输入命令nvcc -V查看（V大写哦），如果出现如下情况则安装成功
    cuda安装完成

CUDNN

（比较繁琐，以ubuntu2004-8.7.0.84为例）
从官网https://developer.nvidia.com/rdp/cudnn-download上下载对应cuda版本的cudnn，要先注册登录一下。我下了这个，其他的没试过。
请添加图片描述
打开向导https://docs.nvidia.com/deeplearning/cudnn/install-guide/index.html，按照步骤对终端输入命令，主要命令如下：

  1. sudo apt-get install zlib1g
  2. sudo dpkg -i cudnn-local-repo-${OS}-8.x.x.x_1.0-1_amd64.deb或者sudo dpkg -i cudnn-local-repo-${OS}-8.x.x.x_1.0-1_arm64.deb（看你下载的是哪个包）
  3. sudo cp /var/cudnn-local-repo-*/cudnn-local-*-keyring.gpg /usr/share/keyrings/
  4. sudo apt-get update

5-7:X.Y根据下文好像只有11.8或10.2，我输入11.6是找不到文件的，所以我输11.8。

  1. sudo apt-get install libcudnn8=8.x.x.x-1+cudaX.Y
  2. sudo apt-get install libcudnn8-dev=8.x.x.x-1+cudaX.Y
  3. sudo apt-get install libcudnn8-samples=8.x.x.x-1+cudaX.Y

8-11：${OS} is debian11,ubuntu1804,ubuntu2004,orubuntu2204.

  1. wget https://developer.download.nvidia.com/compute/cuda/repos/${OS}/x86_64/cuda-${OS}.pin
  2. sudo mv cuda-${OS}.pin /etc/apt/preferences.d/cuda-repository-pin-600
  3. sudo apt-key adv --fetch-keys https://developer.download.nvidia.com/compute/cuda/repos/${OS}/x86_64/3bf863cc.pub
  4. sudo add-apt-repository "deb https://developer.download.nvidia.com/compute/cuda/repos/${OS}/x86_64/ /"
  5. sudo apt-get update

13-14:${cudnn_version} is 8.7.0.*（ 有 . 和 * ）,${cuda_version}is cuda10.2 or cuda11.8

  1. sudo apt-get install libcudnn8=${cudnn_version}-1+${cuda_version}
  2. sudo apt-get install libcudnn8-dev=${cudnn_version}-1+${cuda_version}

测试：

  1. cp -r /usr/src/cudnn_samples_v8/ $HOME
  2. cd $HOME/cudnn_samples_v8/mnistCUDNN
  3. make clean && make（我第一次安装时这步出现了缺少“freeimage.h”的报错，用以下代码解决：sudo apt-get install libfreeimage3 libfreeimage-dev，参考了博客http://t.csdn.cn/JqKkK）
  4. ./mnistCUDNN
    若最后出现Test passed!的字样，则渡劫成功。

ANACONDA

参照博客http://t.csdn.cn/K6jl9

  1. 从官网下载https://www.anaconda.com/,会存放在home/${用户名}/下载（或者download）/下，在该目录下打开终端
  2. bash Anaconda3-2022.10-Linux-x86_64.sh
  3. 按下“Enter”
  4. 按下“Q”
  5. 输入“yes”
  6. 按下“Enter”安装在默认文件夹home/${用户名}/下，或直接输入安装目录再按下“Enter”实现自定义安装
  7. 输入“no”
  8. 按下“Enter”
  9. 配置环境变量
    gedit ~/.bashrc
    末尾添加export PASH="home/${用户名}/anaconda3/bin:$PATH"（第一次安装时成功了第二次失败了，于是我第二次直接把第一次初始化后的环境变量粘贴上去了，如下图所示，路径为默认路径，用户名改成自己的）
# export PATH="/home/${用户名}/anaconda3/bin:$PATH"  # commented out by conda initialize

# >>> conda initialize >>>
# !! Contents within this block are managed by 'conda init' !!
__conda_setup="$('/home//${用户名}/anaconda3/bin/conda' 'shell.bash' 'hook' 2> /dev/null)"
if [ $? -eq 0 ]; then
    eval "$__conda_setup"
else
    if [ -f "/home//${用户名}/anaconda3/etc/profile.d/conda.sh" ]; then
        . "/home//${用户名}/anaconda3/etc/profile.d/conda.sh"
    else
        export PATH="/home//${用户名}/anaconda3/bin:$PATH"
    fi
fi
unset __conda_setup
# <<< conda initialize <<<

source ~/.bashrc
10. 测试：当名字前出现(base)的时候基本就没问题了，输入以下两指令，若输出如图则配置完毕
conda -V
python3
请添加图片描述

Pytorch

参考了博客http://t.csdn.cn/oWaYd

  1. conda create -n pytorch python=3.9
  2. conda activate pytorch
  3. 进入官网https://pytorch.org/复制系统自动生成的代码
    conda install pytorch torchvision torchaudio pytorch-cuda=11.6 -c pytorch -c nvidia
  4. 按下“Enter”

完成
请添加图片描述

ROS

详见官网教程http://wiki.ros.org/cn/noetic/Installation/Ubuntu

  1. 第一步是配置ubuntu仓库，没管他，不知道会不会出问题。
  2. sudo sh -c 'echo "deb http://packages.ros.org/ros/ubuntu $(lsb_release -sc) main" > /etc/apt/sources.list.d/ros-latest.list'（设置电脑以安装来自packages.ros.org的软件。若下载速度缓慢，推荐就近选择一个镜像源替换上面的命令。例如，Tsinghua University为：sudo sh -c '. /etc/lsb-release && echo "deb http://mirrors.tuna.tsinghua.edu.cn/ros/ubuntu/ `lsb_release -cs` main" > /etc/apt/sources.list.d/ros-latest.list'）
  3. sudo apt-key adv --keyserver 'hkp://keyserver.ubuntu.com:80' --recv-key C1CF6E31E6BADE8868B172B4F42ED6FBAB17C654（设置密钥，若无法连接到密钥服务器，可以尝试替换上面命令中的 hkp://keyserver.ubuntu.com:80为hkp://pgp.mit.edu:80 ）
  4. sudo apt update（确保你的Debian软件包索引是最新的）
  5. sudo apt install ros-noetic-desktop-full（安装桌面版，时间较长）
  6. echo "source /opt/ros/noetic/setup.bash" >> ~/.bashrc（设置脚本：在每次启动新的终端时很方便地为你自动source一下这个脚本）
  7. source ~/.bashrc（启用）

测试：

  1. roscore
  2. 另开一个终端，输入
    rosrun turtlesim turtlesim_node
  3. 海龟的颜色和头数可能会有变化，应该是皮肤不是bug.再另开一个终端，输入
    rosrun turtlesim turtle_teleop_key
    海龟测试
  4. 点击刚开的那个终端（使光标在最后的终端中闪动），就可以用方向键控制海龟了。到此测试结束，应该没问题了（可能吧）。

OpenCV

忘了，下次装的时候再写

cccc_xuanzhuo
关注
  • 3
    点赞
  • 踩
  • 7
    收藏
    觉得还不错? 一键收藏
  • 2
    评论
pytorch-1.7.1-py3.8_cuda11.0.221_cudnn8.0.5_0.tar.bz2
03-03
《PyTorch 1.7.1：深度学习框架与CUDA、CUDNN的整合解析》 PyTorch，作为一款流行的深度学习框架，以其易用性和灵活性深受开发者喜爱。在给定的压缩包文件"pytorch-1.7.1-py3.8_cuda11.0.221_cudnn8.0.5_0.tar.bz2...
深度学习环境配置Anaconda+Pycharm+CUDA+CUdnn+PyTorch+Tensorflow.txt
09-23
深度学习环境配置Anaconda+Pycharm+CUDA+CUdnn+PyTorch+Tensorflow
Jetson nano 之 ROS入门 - - 深度学习环境配置
m0_55202222的博客
06-18 2418
Jetson Nano支持多种深度学习框架，如TensorFlow、PyTorch、Caffe和MXNet等，可以通过安装相应的软件包来进行深度学习模型训练和推理
oculus安装
chh19941125的专栏
09-06 975
http://gad.qq.com/article/detail/24895
ubuntu22.04和20.04哪个用的人多？
最新发布
wordpress建站知识，云计算知识分享
05-20 539
由于技术的不断进步和版本的不断更新，Ubuntu 22.04和20.04这两个版本成为了众多用户关注的焦点。首先，从版本更新的角度来看，Ubuntu 22.04作为较新的版本，在功能和性能上进行了诸多优化。与此同时，新版本的系统在安全性和稳定性方面也进行了大幅度提升，这对于那些对系统稳定性有较高要求的用户来说，无疑是一个巨大的吸引力。由于版本的更新，好多的开发者开始为Ubuntu 22.04开发新的应用和软件，这使得用户在选择和使用软件时有了更多的选择。
深度学习框架（Pytorch）+ 机器人（ROS）：ROS melodic 上安装 Turtlebot2 —＞ 安装 hokuyo 激光雷达 —＞ Python 3 的虚拟环境中调用 ROS 填坑记录
m0_45131654的博客
07-08 3253
复现论文需要ubuntu+ros+turtlebot2+hokuyo的配置，这里有一个关于turtlebot的教程： Learn TurtleBot and ROS 以后可能能用上。 然后对于 git clone 速度慢的问题，我全程都是用换镜像网站解决（参考 git clone一个github上的仓库，太慢，经常连接失败，但是github官网流畅访问，为什么？ - 知乎）： #原地址 git clone https://github.com/kubernetes/kubernetes.git #
完整的Ubuntu18.04+ROS+PX4+Anaconda+PyTorch+GPU+CUDA+CUDNN+XTdrone配置智能无人机开发环境搭建过程
qq_46202265的博客
05-20 3529
从Ubuntu18双系统的安装到CUDA、ROS、Anaconda、PyTorch等的安装，包括我踩坑得到的经验，全部在里面
（持续更新）Ubuntu22.04双系统的安装、扩容、重装及配置
热门推荐
weixin_45055622的博客
07-08 6万+
华硕天选3（Win11）下Ubuntu22.04双系统的安装、重装以及系统的相关配置。
WIN10和Ubuntu系统深度学习环境安装（pytorch框架）Anaconda+CUDA+PyTorch+PyCharm
01-21
本次由于选择的PyTorch是1.4版本，支持的是CUDA10.1，所以CUDA安装的版本是10.1。 一、安装Anaconda 1、win10 Anaconda官网 https://www.anaconda.com/distribution/ 如下图，选择 根据自己的电脑位数进行选择，下载...
安装Cuda+CuDNN+Pytorch+Tensorflow.docx
06-10
安装Cuda+CuDNN+Pytorch+Tensorflow 的详细步骤。 在anaconda下安装pytorch 在anaconda下安装tensorflow
【调试经验】双系统重装Ubuntu LTS 22.04
Tsang的博客
05-02 1583
双系统下对Ubuntu系统重装
双系统重装Ubuntu经验分享
Monster263的博客
11-30 1984
双系统情况下保留用户数据重装ubuntu
ubuntu18.04双系统配置linux内核、nvidia、cuda、cudnn
hxyzs的博客
07-28 2688
版本时，可以通过外接一个显示器使用，而笔记本电脑自己的屏幕是卡死在登陆界面的，这块儿不太懂，也没有解决，有解决的uu可以私信，一起交流呀！在安装完各种版本的nvidia显卡驱动后，均卡死在登陆界面（循环登陆问题），在这个内核版本中，根本无法解决循环登陆问题。ubuntu默认使用的gnome管理器是gdm3，可以安装sudo apt-get install lightdm。版本时，可以正常使用，但一开始还是会出现循环登陆问题，此处的。默认配置：save --> load --> exit。
Ubuntu18.04用Dockerfile配置ros+cuda+torch镜像
fxmtb的博客
05-16 927
Ubuntu18.04用Dockerfile配置ros+cuda+torch镜像
Ubuntu16.04 配置ros+pytorch+cv2
Michelle_jx的博客
07-29 967
Ubuntu16.04 配置ros+pytorch+cv2 最近安装这个环境，踩了很多坑，备份一下。 1、首先明确ros不一定完美支持python3，所以暂时先装在python2里。不过py2好像2021年停用。 2、如果想在python3搭环境，就确保pip3和所用的python3环境是否相同，可以通过pip3 -V查看。如果不相同的话，用软链接相连一下，这个网上有很多的教程，但注意要找到自己文件的位置。 3、要提前安装好驱动和cuda，N卡驱动可以在设置里面的其他驱动下载（需要重启），cuda我安装的是
ROS1+conda+torch
weixin_43990429的博客
01-11 772
问题描述：在conda下python3代码运行正常，想要把这个环境用到ROS1中去，看了很多人的帖子，遇到很多坑，这里作为闭坑指南之一。这里以一个实际项目为例，介绍如何跑起来。
Ubuntu22.04/20.04双系统nvidia驱动和CUDA和pytorch安装配置yolov8深度学习环境
bigludou的博客
01-15 1687
首先作为小白你肯定觉得痕奇怪，也不知道这些东西干啥的奇奇怪怪的安装一大堆。其实简单理解就是我们需要一个linux系统环境来进行学习和操作，所以我们用到了图形化系统Ubuntu，他和你电脑里的windows其实一个性质啦。然后你不得不使用GPU加速你的模型训练，所以就需要安装NVIDIA驱动来启用你的显卡之后呢就需要安装一些cuda和cudnn之类的来配合，以及conda营造虚拟环境然后下载必备的pytorch。
win10装Ubuntu双系统和装CUDA
ens160的博客
07-06 385
以前try ubuntu的时候可以直接装到M2上，但是这次不行。然后只能手动先分区，然后不格式化，手动选分区装。装到boot loader里，不然grub2就检测不到。 装完之后装cuda的时候 nvidia-smi已经能看到cuda的版本，但是nvcc -V检查不到。开始是以为没装tookkit，后来发现是没有变量。sudo apt-get install aptitude sudo aptitude install cuda 然后装的时候因为先装了显卡驱动，run包装的时候最好不要选驱动包，否则会显
cuda cudatoolkit cudnn pytorch安装ubuntu
08-18
在 Ubuntu 上安装 CUDA、cuDNN 和 PyTorch，可以按照以下步骤进行操作： 1. 安装 CUDA 和 cuDNN： - 首先，确保你的系统满足 CUDA 和 cuDNN 的要求，包括支持的 GPU 和驱动版本。你可以在 NVIDIA 官方网站上查找...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 2
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值