ubuntu装机、深度学习环境配置基本过程：

 

（一）装ubuntu18.04系统

 

软碟通 制作U盘启动盘

ubuntu分区选择：

常规分4个区：（以100G为例）:

    /boot     200M

    /swap     8G

    /              20G

    /home     剩余所有

注意：分区列表最下方的Device for boot loader Installation要选择  上面/boot分区所对应的（如/dev/sdb2）

 

 

 

apt 源：

sudo cp /etc/apt/sources.list /etc/apt/sources.lists.bak

sudo gedit /etc/apt/sources.list

将如下（清华源）粘贴期中并保存：

deb https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ bionic main restricted universe multiverse

deb-src https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ bionic main restricted universe multiverse

deb https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ bionic-updates main restricted universe multiverse

deb-src https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ bionic-updates main restricted universe multiverse

deb https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ bionic-backports main restricted universe multiverse

deb-src https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ bionic-backports main restricted universe multiverse

deb https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ bionic-security main restricted universe multiverse

deb-src https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ bionic-security main restricted universe multiverse

deb https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ bionic-proposed main restricted universe multiverse

deb-src https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ bionic-proposed main restricted universe multiverse

sudo apt update

sudo apt-get upgrade

 

pip 源：

修改 ~/.pip/pip.conf (没有就创建一个文件夹及文件。文件夹要加“.”，表示是隐藏文件夹)

内容如下： 

[global] index-url = https://pypi.tuna.tsinghua.edu.cn/simple [install] trusted-host=mirrors.aliyun.com

 

（二）安装nvidia显卡驱动

 

方式一：官网下载.run文件

https://www.geforce.cn/drivers 选择适合自己显卡的驱动 

需要禁用原本自带的显卡驱动 nouveau

sudo service lightdm stop   关闭图形显示

sudo sh NVIDIA-Linux-x86_64-390.42.run --no-opengl-files

 

方式二：在 软件与更新中 选择nvidai的驱动（本人可以如此直接安装，建议先尝试该法）

方便，不需要关闭图像显示界面，不易出现循环登录等各种问题

 

装完后，重启系统，运行：nvidia-smi 如果出现对应的显卡信息则说明显卡驱动安装成功

参考：https://www.cnblogs.com/tanwc/p/9375161.html

（三）安装 CUDA、cudnn

 

安装 CUDA

以安装 cuda 9.2 为例，具体需要根据自己的 cuda 版本对名称和路径进行修改。

下载：https://developer.nvidia.com/cuda-downloads

1. 执行run文件

进入 cuda runfile 文件目录下：

chmod +x cuda_9.2.148_396.37_linux.run

./cuda_9.2.148_396.37_linux.run

按住回车，服务条款进行到 100% 以后，按下面的步骤进行选择：

accept

n（不要安装驱动！）

y

输入安装路径：/data/usr/local/cuda-9.2

y or n

y or n

2. 设置环境变量

安装完成后，设置环境变量：.bashrc

vi ~/.bashrc

在文件末尾加上：（不要有空格）

export LD_LIBRARY_PATH=usr/local/cuda/lib64:$LD_LIBRARY_PATH

export PATH=/usr/local/cuda/bin:$PATH

保存退出后更新环境变量：source ~/.bashrc

3. 检查安装是否成功

 

此时查看 cuda 版本：nvcc -V

 

4. 卸载CUDA

卸载CUDA很简单，一条命令就可以了，主要执行的是CUDA自带的卸载脚本，根据自己的cuda版本找到卸载脚本

sudo /usr/local/cuda-9.2/bin/uninstall_cuda_9.2.pl

5. 多版本CUDA的切换   参考右边第二个连接

 

2、安装 CUDNN

https://developer.nvidia.com/rdp/cudnn-archive

1. 解压tgz压缩包

下载 Linux 版本的压缩包，发现是 .solitairethem8 格式的文件，需要先将其转换为 .tgz 格式的文件再进行解压：

# 转换为tgz文件

cp cudnn-9.2-linux-x64-v7.5.1.10.solitairetheme8 cudnn-9.2-linux-x64-v7.5.1.10.tgz

# 解压tgz文件

tar -zvxf cudnn-9.2-linux-x64-v7.5.1.10.tgz -C /data/zyy/usr/local

2. 复制头与库文件文件

进入 cuda/include 路径下，执行操作：

# 将头文件cudnn.h复制到cuda-9.2安装目录下对应的include文件中

sudo  cp cudnn.h /usr/local/cuda/include/

然后重置 cudnn.h 文件的读写权限：（正常不需要）

chmod a+r /usr/local/cuda/include/cudnn.h

 

cd cuda/lib64

sudo cp lib* /usr/loacl/cuda/lib64/

3. 添加环境变量

vi ~/.bashrc

在弹出的 .bashrc 文件的最后加入：

export LD_LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PATH

然后source ~/.bashrc

（这一步是为了将cudnn的lib64库添加到环境变量中，但按照前述安装cuda的过程，这里环境变量以及添加了，就不需要再来一次）

4. 检查安装是否成功

查看 cudnn 版本：

cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2

 

 

参考：

https://www.cnblogs.com/tanwc/p/9375161.html

 

 

https://blog.csdn.net/qq_31347869/article/details/89452529

（四）gcc版本安装与切换

 

查看系统已装gcc

ls /usr/bin/gcc*

查看当前系统使用gcc

gcc -v

系统ubuntu18.04，预装gcc7和gcc6，因需要安装gcc5

sudo apt-get install gcc-5 gcc-5-multilib

sudo apt-get install g++-5 g++-5-multilib

设置优先级

sudo update-alternatives --install /usr/bin/gcc gcc /usr/bin/gcc-7 30

sudo update-alternatives --install /usr/bin/gcc gcc /usr/bin/gcc-6 40

sudo update-alternatives --install /usr/bin/gcc gcc /usr/bin/gcc-5 50

sudo update-alternatives --install /usr/bin/g++ g++ /usr/bin/g++-7 30

sudo update-alternatives --install /usr/bin/g++ g++ /usr/bin/g++-6 40

sudo update-alternatives --install /usr/bin/g++ gc++/usr/bin/g++-5 50

或者（--slave后面加入g++是当切换gcc版本时也同时切换g++）（推荐）

sudo update-alternatives --install /usr/bin/gcc gcc /usr/bin/gcc-7 70 --slave /usr/bin/g++ g++ /usr/bin/g++-7

 

接着查看

sudo update-alternatives --config gcc

 

返回:

linux:~$ sudo update-alternatives --config gcc

有 3 个候选项可用于替换 gcc (提供 /usr/bin/gcc)。

 

选择 路径 优先级 状态

------------------------------------------------------------

* 0 /usr/bin/gcc-5 50 自动模式

1 /usr/bin/gcc-5 50 手动模式

2 /usr/bin/gcc-6 40 手动模式

3 /usr/bin/gcc-7 30 手动模式

 

要维持当前值[*]请按<回车键>，或者键入选择的编号：

删除

sudo update-alternatives --remove gcc /usr/bin/gcc-5

 

参考：

https://www.cnblogs.com/yangwithtao/p/9091142.html

（五）安装指定版本的cmake    一般用apt-get install就可以安装cmake了，但版本较低，可以安装指定版本的cmake   

                                                  cmake --version 可查看版本

 

  (六) 安装ananconda     sh Anaconda3-5.0.0.1-Linux-x86_64.sh

 

（六）安装pycharm      安装：    cd pycahrm-.../bin      sh ./pycharm.sh

                                     运行：    cd pycahrm-.../bin    sh ./pycharm.sh

 

（七）安装 vscode     sudo dpkg -i codeXXX.deb

 

（八）安装opencv    sudo apt-get install libopencv-dev    pip install python-opencv

 

（九）安装PCL库   :     https://blog.csdn.net/Coderii/article/details/87636882

             sudo apt-get install libpcl-dev

             下载pcl 库（git）并解压：  https://github.com/PointCloudLibrary/pcl

              sudo mv pcl-xxx /opt/   cd /opt/pcl-xxx   mkdir build  cmake .. make

              sudo make install