（踩坑日记）Win10下安装Ubuntu18.04(包括NIVIDIA驱动安装)+主题美化+设置多cuda切换+通过anaconda下安装tensorflow1.x-gpu以及pytorch-gpu

WIN10安装下的部分注意事项

首先，一定要保证你的Win10是正常的，不能缺省文件，主要是分区和引导方面的文件。

Win10安装

Win10的安装比较简单，使用一个U盘去下载你想装的系统对应的ISO（镜像文件）即可。特别要注意的是需要确定你电脑的分区是gpt分区还是mbr分区，具体办法可以上网查询。我安装的是Pro版，需要C盘的分区方式必须是gpt。接下来，就一直下一步下一步就好了，装好后声卡、网卡和显卡应该都是有的。

如果双系统下，不小心删除了引导项

即开机就进入如下界面：

这样的话，有一个适合小白的方法，就是做一个大白菜PE启动盘进行grub修复。用U盘做好启动盘后进入下面的界面，可以看到有修复的工具用（也可能放在底部的开始里面），另外一种修复的方式就是使用分区工具删除Ubuntu系统，然后找到win的C盘盘符，再进行修复，这样一定能进win，但是会清除Ubuntu系统。

Ubuntu18.04安装

首先，需要在win上压缩一块空闲磁盘出来。

制作启动盘

可以使用UltraISO，也可以使用rufus。需要注意的是UltraISO的话基本没有什么好改的，rufus需要注意的是 partition scheme（分区方式）是mbr（图中的），还是gpt；系统引导方式是不是UEFI；还有file system文件系统等。这次我选用的UltraISO，烧录好了，插入U盘后，启动目标电脑，按F8或F12(不同品牌不同)进入选择安装界面。

点击 install ubuntu 后进入黑屏问题

有可能你点击install Ubuntu后，显示器并不会显示任何信息，呈现黑屏状。我安装19.04不会出现这个问题，但是安装18.04时会出现这个问题，这是由于Ubuntu对显卡支持有问题，需要手动添加显卡驱动选项，没有显卡，当然显示不了任何东西。

首先，在选择安装界面时，选中“install ubuntu”时，不要着急按“enter”，按“e”进入编辑模式。在屏幕中的文本中，找到“quite splash”这两个单词，其后面有“- - -”，将其改为“nomodeset”（我们使用的时N卡，所以添加nomodeset），然后按“F10”开始安装。

注意安装完后仍需要设置，是因为安装的时候只是临时设置显卡模式。开机进入引导界面（有的需要按住shift或者esc界面才会进入引导界面），选中“ubuntu”，同样按“e”进入编辑模式，按照上述方式找到“quite splash”并在其后添加“nomodeset”（此次不用删除任何其他文字），然后按“F10”进入系统。

进去之后打开终端，输入命令

sudo gedit /etc/default/grub

找到 GRUB_CMDLINE_LINUX_DEFAULT=“quiet splash” 这一行，改为

GRUB_CMDLINE_LINUX_DEFAULT="quiet splash nomodeset"

保存后，在终端中输入：

sudo update-grub

然后重启即可。

此外关于黑屏还可以使用切换到 tty 界面来安装，按住 ctrl+alt+F3，返回图形界面使用 ctrl+alt+F7。

Ubuntu的安装

在进入ubuntu的安装界面后，需要我们选择的不多。首先，需要选中“为图形或无线硬件，以及其它媒体格式安装第三方软件”。

然后，由于我们之前分了一块空闲空间出来，因此，我们安装的时候选择其他选项来分配这块空间。这里，我压缩了一个T的空间。 接下来就是最重要的：进行分区。对于分区需要我们选择的有5项：分配给它的大小、分区的类型（主分区or逻辑分区）、新分区的位置、用于以及挂载点。右键空闲空间，点击添加就可以创建分区了。

分区名称（挂载点）	用途	大小	分区类型
交换空间（swap）（无挂载点）	相当于运行内存 用于交换空间（或swap）	可分配内存大小2倍左右	逻辑分区
新建efi	相当于boot 用于Ext4日志文件	这里我分配了1G左右	逻辑分区
/ （挂载点为 /）	相当于C盘 用于Ext4日志文件	这里我分配了300G左右	主分区
/home （挂载点为 /home）	相当于系统其他盘 用于Ext4日志文件	这里剩余的全给了它	逻辑分区

事实上，efi分区我没有用来安装启动引导器，当然如果你给/boot特别分配空间，可以将启动引导器安装到/boot里面，这样你就可以用win来引导ubuntu了，但是要去win下下载设置其他东西。于是我选择安装在/dev/sda ATA WDC WD10…这个，可以看到我的ubuntu都是安装在/dev/sda这一块盘下的。这样，选择会以ubuntu来引导win，不过这样会避免很多坑，建议小白选择这个。

安装完成后，可能有些必要的软件没有安装好（如：gcc等），可以使用这一条命令

sudo apt-get install build-essential

搜狗输入法的设置可以参考这篇blog
微信没有linux版，因此wine环境下微信的安装可以参照下面

wget -O- https://deepin-wine.i-m.dev/setup.sh | sh

sudo apt-get install deepin.com.wechat

英伟达驱动安装

首先卸载之前的英伟达驱动，新系统应该不存在这一项

sudo apt-get remove --purge nvidia*

然后打开文本编辑

sudo -i # 可能会用到root
sudo gedit /etc/modprobe.d/blacklist.conf 

在最后两行中加入

blacklist nouveau
options nouveau modeset=0

保存后，关闭文本，继续在终端中输入更新设置

sudo update-initramfs -u

输入（可能需要重启）

lsmod | grep nouveau

查看是否禁用成功，没有输出即为成功，接着输入

sudo add-apt-repository ppa:graphics-drivers/ppa

sudo apt-get update

也可以先安装驱动再禁用（针对3090）
下面的440可以改为自己需要装的版本。

sudo apt-get install nvidia-driver-440

重启，终端查看是否安装成功

nvidia-smi

出现下图即为成功

我在19.04安装英伟达时曾经出现依赖问题，导致安装不成功，后来查询时gcc版本不对，如出现类似问题，可以参考。

主题以及登录界面美化

原系统界面为

最终的效果图如下

安装优化工具

sudo apt-get update

sudo apt-get install gnome-tweak-tool

然后启动 gnome-tweaks

gnome-tweaks

得到如下界面

安装浏览器扩展

sudo apt install chrome-gnome-shell

然后打开浏览器扩展地址，得到如下图
然后点击User Themes，得到下图
将按钮拨到on，如果提示你安装，安装就是了

下载主题和图标资源

这里有很多资源
这是我选择的主题，这里科学上网可能会快一些。
这是我选择的图标风格
为了防止复制权限不够，我们需要输入以下命令进入文件管理器

sudo nautilus

然后将其解压出来，注意图标01-McMojave-circle.tar.xz这个文件解压出来的文件夹里面有两个子文件夹，我们需要的是这个两个子文件夹，将其拷贝出来，加上主题的文件夹一共三个（如上图）。

然后将解压的Mojave-light文件夹复制到/user/share/themes/下

将解压的图标的两个子文件夹复制到/user/share/icons/下

此时我们再在终端或者程序桌面打开优化工具

gnome-tweaks

此时，我们已经可以在外观中的应用程序、图标以及shell选择自己下载的进行设置了

我们可以继续在这里面安装插件，这里是为了Dock在底部更加美观，同样点击Dash to Dock进入页面后，把按钮拨到 on。

并且你可以在优化工具的扩展中找到，并通过按钮进行设置。

最后一步就是字体的安装了，我选择了苹果字体

wget http://drive.noobslab.com/data/Mac/macfonts.zip -O mac-fonts.zip 

sudo unzip mac-fonts.zip -d /usr/share/fonts

rm mac-fonts.zip

sudo fc-cache -f -v

然后通过优化工具设置

多cuda以及cudnn的安装并通过anaconda下安装tensorflow1.x-gpu以及pytorch-gpu

第一个cuda的安装

首先要查清楚tensorflow或者pytorch需要对应的版本，我想安装的pytorch需要10.2的cuda，然后去cuda官网找到自己需要下载的版本
先在终端输入第一行命令，等待下载完成后，输入第二行命令第二行代码最好使用

sudo sh cuda_10.2.89_440.33.01_linux.run --no-opengl-libs

安装的时候注意第一项不要选择，因为我们已经安装了驱动了所以不用选。

安装完成以后需要配置环境变量

sudo gedit .bashrc

在弹出来的文件加入以下路径，然后保存

export PATH=/usr/local/cuda-10.2/bin${PATH:+:${PATH}}
export LD_LIBRARY_PATH=/usr/local/cuda10.2/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}

执行使之生效

source .bashrc

输入（可能需要重启）

nvcc -V

有输出版本，便是成功

然后去官网下载cudnn
下载完毕以后将其提取出来，然后输入如下命令获得复制权限

sudo nautilus

然后将cuda/include/cudnn.h 拷贝至 /usr/local/cuda/include，将cuda/lib64/libcudnn拷贝至 /usr/local/cuda/lib64。libcudnn表示带有libcudnn都要拷过去，然后执行使所有人有权限使用

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

然后输入（可能需要重启）

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

输出无异常便是成功

Anaconda的安装

建议使用清华源进行安装。下载完成后，在保存目录打开终端执行

bash Anaconda3-xxxx.sh #xxxx此处对应自己的包

然后执行

source ~/.bashrc

检查是否成功

conda list

若提示命令无法找到，则修改.profile文件

sudo gedit ~/.profile

在打开的文件中加入

if [ -d "$HOME/anaconda3/bin" ] ; then
    PATH="$HOME/anaconda3/bin:$PATH"
fi 

使之生效

source .profile

pytorch的安装

首先，创建pytorch环境

conda create -n pytorch pip python=3.7

激活环境

source activate pytorch

然后去pytorch官网选择要安装的版本获得相应的命令，在环境里安装jupyter

pip install jupyter

安装ipykernel

pip install ipykernel

为jupyter添加pytorch环境:

python -m ipykernel install --user --name pytorch --display-name "pytorch"

然后进入jupyter进行检验，获得如下结果变为成功

另外一个cuda的安装

因为我需要安装的tensorflow适应的cuda版本为10.0，所以需要再安装一个cuda。

同样去cuda官网找到自己需要下载的版本，然后下载、安装

10.0的安装与10.2有所不同

sudo sh cuda_9.2.148_396.37_linux.run #开始安装

一堆协议说明.直接按q退出协议说明.

accept/decline/quit: accept  #接受协议

You are attempting to install on an unsupported configuration. Do you wish to continue?
(y)es/(n)o [ default is no ]: yes #是否继续安装

Install NVIDIA Accelerated Graphics Driver for Linux-x86_64 396.37?
(y)es/(n)o/(q)uit: n  #是否显卡驱动包，由于已经安装显卡驱动，选择n
 
Install the CUDA 10.0 Toolkit?
(y)es/(n)o/(q)uit: y  #是否安装工具包，选择y
 
Enter Toolkit Location
 [ default is /usr/local/cuda-9.2 ]:  #工具包安装地址，默认回车即可
 
Do you want to install a symbolic link at /usr/local/cuda?
(y)es/(n)o/(q)uit: n #添加链接**注意这个连接，如果你之前安装过另一个版本的cuda，除非你确定想要用这个新版本的cuda，否则这里就建议选no，因为指定该链接后会将cuda指向这个新的版本**
 
Install the CUDA 10.0 Samples?
(y)es/(n)o/(q)uit: y  #安装样例
 
Enter CUDA Samples Location
 [ default is /home/ts ]: #样例安装地址默认即可
 
# ***安装信息***
Installing the CUDA Toolkit in /usr/local/cuda-10.0...

Missing recommended library: libXmu.so

Installing the CUDA Samples in /home/ts ...
Copying samples to /home/ts/NVIDIA_CUDA-9.2_Samples now...
Finished copying samples.

===========
= Summary =
===========

Driver:   Not Selected
Toolkit:  Installed in /usr/local/cuda-10.0
Samples:  Installed in /home/ts, but missing recommended libraries

Please make sure that
 -   PATH includes /usr/local/cuda-10.0/bin
 -   LD_LIBRARY_PATH includes /usr/local/cuda-10.0/lib64, or, add /usr/local/cuda-9.2/lib64 to /etc/ld.so.conf and run ldconfig as root

To uninstall the CUDA Toolkit, run the uninstall script in /usr/local/cuda-10.0/bin

Please see CUDA_Installation_Guide_Linux.pdf in /usr/local/cuda-10.0/doc/pdf for detailed information on setting up CUDA.

***WARNING: Incomplete installation! This installation did not install the CUDA Driver. A driver of version at least 384.00 is required for CUDA 9.2 functionality to work.
To install the driver using this installer, run the following command, replacing <CudaInstaller> with the name of this run file:
    sudo <CudaInstaller>.run -silent -driver

Logfile is /tmp/cuda_install_30606.log

#注意，这里Missing recommended library: libXmu.so出现了错误，
#是因为博主在第一次安装时，没有添加安装相关依赖的指令，因为之前安装过了
#之后我添加了依赖后，再次安装，就没有Missing错误了

sudo apt-get install freeglut3-dev build-essential libx11-dev libxmu-dev libxi-dev libgl1-mesa-glx libglu1-mesa libglu1-mesa-dev 
再次安装就可以啦
# ***安装完成***

此处是参考ta的
此时

cd /usr/local/

ls

会发现有两个cuda版本

stat cuda

查看当前cuda软链接指向的哪个cuda版本，然后在/usr/local目录下进行下面的操作

删除以前的软连接

sudo rm -rf cuda

让其指向10.0

sudo ln -s /usr/local/cuda-10.0 /usr/local/cuda

然后重新配置环境变量，这次就直接用cuda啦，反正也是用它进行两个cuda的软连接

sudo gedit ~/.bashrc

在弹出来的文件加入以下路径，然后保存

export PATH=/usr/local/cuda/bin${PATH:+:${PATH}}
export LD_LIBRARY_PATH=/usr/local/cuda/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}

执行使之生效，以后修改版本只需要修改链接即可

source ~/.bashrc

输入（可能需要重启）

nvcc -V

可以看到是10.0版本了，现在创建tensorflow环境

conda create -n tensorflow pip python=3.6

激活环境

source activate tensorflow

安装tensorflow

pip install tensorflow-gpu==1.15.0

并按pytorch的方式安装并添加环境至jupyter，激活环境后测试如下就成功啦

至此全部完成，撒花O(∩_∩)O~~