1、在Win10上裝Ubuntu18.04LTS雙系統

SSD 250G + 機械硬碟1t。我將SSD分出一部分作為C盤裝win10系統，剩餘100G不分割槽以備全部裝linux; 機械硬碟整個作為一個區，用於win10系統下安裝個人軟體和儲存文件。兩個硬碟都藉助diskGenius採用4K對齊格式化，並且兩個硬碟的分割槽表都採用APT格式。

Win10裝好後，去ubuntu官網https://www.ubuntu.com/download下載Ubuntu18.04LTS桌面版的安裝ISO，製作成USB啟動盤。

重啟機器，然後進入bios設定介面。在BOOT選項中，選UEFI USB這一項，進入U盤中的安裝程式，不要安裝第三方軟體，並在分割槽頁面選擇“其他選項”，將SSD上面剩餘的100G分成以下幾個分割槽：

保留BIOS啟動區域 主分割槽 空間起始區域 1G swap 邏輯分割槽 空間起始區域 8G(我的記憶體是32G, 官方說只要不設定自動休眠，8G就夠) /usr 邏輯分割槽 空間起始區域 32G(因為很多軟體的預設位置都是這裡) / 邏輯分割槽 空間起始區域 16G（/usr和/home之外的所有東西都掛載在個目錄） /home 邏輯分割槽 空間起始區域 剩餘空間

最後設定把ubuntu的grub裝在保留bios啟動區域，設定使用者名稱和密碼，開始安裝…

重啟電腦，進入bios設定介面，把啟動選項改成UEFI hard disk這一項，並且設定成ubuntu grub，這樣就可以直接用ubuntu自帶的載入程式選擇是進入ubuntu還是win10。

2、在Ubuntu18.04LTS上面配置開發環境

在影象介面選擇安裝過程中設定的使用者名稱，輸入密碼，登入，然後開始配置開發環境

設定root許可權： sudo passwd 輸入安裝時設定的使用者密碼（不是root哦） 設定root密碼 確認密碼

然後退出root，換成普通使用者（你安裝時設定的使用者）

安裝vim: apt-get install vim sudo /etc/vim/vimrc 最後新增 set nu set tabstop set nobackup set cursorline set ruler set autoindent

配置源： sudo cp /etc/apt/sources.list /etc/apt/sources.list.bak sudo vim /etc/apt/sources.list 把裡面的都刪除，再把清華源複製進去https://mirror.tuna.tsinghua.edu.cn/help/ubuntu/ sudo apt-get update

編譯環境：sudo apt-get install build-essential

安裝輸入法： 配置好輸入法框架之後，重啟ubuntu系統。重啟之後如果配置成功，在工作列的右上角會出現fcitx的設定選項

安裝git: sudo apt-get install git git config --global user.name “Your Name” 　　　　 git config --global user.email "[email protected]" 　　　　 ssh-keygen -C 'you email ’ -t rsa

3、安裝tensowflow

3.1 準備工作

安裝依賴包

sudo apt-get install libprotobuf-dev libleveldb-dev libsnappy-dev libopencv-dev libhdf5-serial-dev protobuf-compiler
sudo apt-get install –no-install-recommends libboost-all-dev
sudo apt-get install libopenblas-dev liblapack-dev libatlas-base-dev
sudo apt-get install libgflags-dev libgoogle-glog-dev liblmdb-dev

如果安裝出現什麼問題，都是依賴沒建立導致的，將錯誤複製，進行百度一個個解決，安裝完成後都需要： sudo apt-get update sudo apt-get upgrade 以下同

下載anaconda 3，安裝在/home/你的使用者名稱/：bash … .sh

3.2 安裝顯示卡驅動

首先解除安裝以前的nvidia驅動版本 sudo apt-get purge nvidia* 然後用系統自帶的安裝驅動方法來裝，這樣就不用關圖形介面了（我的電腦預設驅動版本為390） 點選應用更改，重啟電腦，命令列輸入 nvidia-smi 如果出現如下圖片說明成功

3.3 安裝cuda

但是安裝CUDA9.0最高支援的版本只到GCC6.0，那麼接下來的工作是給GCC降級

sudo apt install gcc-5
sudo apt install g++-5

進入到/usr/bin目錄下, 執行一下ls -l gcc*，可以看到gcc是指向gcc-7的

 sudo mv gcc gcc.bak #備份
 sudo ln -s gcc-5 gcc #重新連結gcc
 sudo mv g++ g++.bak #備份
 sudo ln -s g++-5 g++　#重新連結g++

降到5.5之後，可以直接來安裝了cuda了，進到你下載好的cuda-9.0的run檔案目錄，執行 sudo sh cuda_9.0.176_384.81_linux.run

執行後會有一些提示讓你確認，在第３個提示的地方，有個讓你選擇是否安裝驅動時（Install NVIDIA Accelerated Graphics Driver for Linux-x86_64 384.81?），選擇否：因為前面我們已經安裝了新的驅動，所以這裡不要選擇安裝。

 sudo sh cuda_9.0.176.1_linux.run
 sudo sh cuda_9.0.176.2_linux.run
 sudo sh cuda_9.0.176.3_linux.run
 sudo sh cuda_9.0.176.4_linux.run

sudo vim ~/.bashrc 來編輯.bashrc配置檔案，到檔案最後

export  PATH=/usr/local/cuda-9.0/bin:$PATH
export  LD_LIBRARY_PATH=/usr/local/cuda-9.0/lib64$LD_LIBRARY_PATH

好了，重啟一下

cd /usr/local/cuda-9.0/samples/1_Utilities/deviceQuery
sudo make
./deviceQuery

出現了下面的你的GPU的一些資訊的話，就是真的安裝成功了。

3.4 安裝cudnn

https://developer.nvidia.com/rdp/cudnn-download 自己註冊一下，之後下載其中的cuDNN v7.1.4 Library for Linux 版本再高的話安裝tensorflow會有一些問題，比如pip install tensowflow-gpu無法自動查詢合適的tensorflow的版本

下載的時候發現是一個壓縮包，下完之後解壓 解壓出來是一個cuda資料夾，進去有兩個資料夾，如下 進入include目錄，在命令列進行如下操作：

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

進入lib64目錄,在命令列進行如下操作：

sudo cp lib* /usr/local/cuda/lib64/ #複製動態連結庫
cd /usr/local/cuda/lib64/
sudo rm -rf libcudnn.so libcudnn.so.7 #刪除原有動態檔案
sudo ln -s libcudnn.so.7.1.4 libcudnn.so.7 #生成軟銜接
sudo ln -s libcudnn.so.7 libcudnn.so #生成軟連結

如果你想刪除，可以 sudo rm /usr/local/cuda/include/cudnn.h sudo rm /usr/local/cuda/lib64/libcudnn*

3.5 安裝opencv

sudo apt-get install cmake git libgtk2.0-dev pkg-config libavcodec-dev libavformat-dev libswscale-dev
sudo apt-get install python-dev python-numpy libtbb2 libtbb-dev libjpeg-dev libpng-dev libtiff-dev libjasper-dev libdc1394-22-dev
sudo apt-get install --assume-yes libopencv-dev libdc1394-22 libdc1394-22-dev libjpeg-dev libpng12-dev libtiff5-dev libjasper-dev libavcodec-dev libavformat-dev libswscale-dev libxine2-dev libgstreamer0.10-dev libgstreamer-plugins-base0.10-dev libv4l-dev libtbb-dev libqt4-dev libfaac-dev libmp3lame-dev libopencore-amrnb-dev libopencore-amrwb-dev libtheora-dev libvorbis-dev libxvidcore-dev x264 v4l-utils unzip
sudo apt-get install ffmpeg libopencv-dev libgtk-3-dev python-numpy python3-numpy libdc1394-22 libdc1394-22-dev libjpeg-dev libpng12-dev libtiff5-dev libjasper-dev libavcodec-dev libavformat-dev libswscale-dev libxine2-dev libv4l-dev libtbb-dev qtbase5-dev libfaac-dev libmp3lame-dev libopencore-amrnb-dev 

在home/你的使用者名稱/下面建立了一個OpenCV的目錄(地方其實是任意的) mkdir OpenCV 進入這個工作目錄（OpenCV）然後用git克隆

cd Opencv
git clone https://github.com/opencv/opencv.git
git clone https://github.com/opencv/opencv_contrib.git

你就會看見你的工作目錄（OpenCV）下面有了兩個專案的資料夾。進入到你下載的那個opencv資料夾，這時候建立一個build的資料夾，用來接收cmake之後的檔案。

cd opencv
mkdir build
cd build
cmake -D CMAKE_BUILD_TYPE=RELEASE -D CMAKE_INSTALL_PREFIX=/usr/local ..

成功的話出現 然後再輸入 sudo make -j4 sudo make install

3.6 安裝tensorflow

如果以前裝過就解除安裝掉 sudo pip uninstall tensorflow

解除安裝之後，直接用下面的命令來安裝tensorflow，會自動為你選擇合適的版本

sudo pip install --upgrade tensorflow-gpu

然後就安裝好啦，執行下面的程式碼檢驗一下

import tensorflow as tf hello = tf.constant(‘Hello, TensorFlow!’) sess = tf.Session() print(sess.run(hello)) sess.close()