ubuntu深度学习环境配置&bug解决合集&各种软件及自定义偏好设置
目录
双系统安装记录注意
软件更新：
NVIDIA显卡驱动部分
驱动下载链接
安装英伟达驱动命令
安装英伟达显卡驱动的提示选项
再装一个toolkit（可选！！谨慎安装）
nvidia-smi失效
分辨率太小进行调整（适用于xrandr cvt等无效下）
Ubuntu 16.04 用户登录界面死循环问题的解
WIFI不能使用屏幕无法调节等驱动问题
解决办法
内核升级编译避坑（网上很多抄來抄去假博客避坑）
无法进入桌面
软件安装部分
装谷歌浏览器
出现安装包依赖问题
ubuntu下安装各种包的问题
opencv配置
（十分方便！）另一个很好的解决方案conda
更改python默认版本
tensorflow+cuda+cudnn
配置方法
tensorflow
tensorflow1.6下载地址：
nvidia和cuda版本对应
cuda
cudnn
cudnn版本问题：
（*）对本机而言
keras安装
jupyter notebook配置
编写程序方式gedit
windows配置深度学习环境
anaconda安装
tensorflow安装
keras安装
pytorch安装
双系统安装记录注意
1.启动盘不要下来路不明的，只用官方的
2.系统分区没必要复杂，1G给BOOT，8G左右给交换空间（内存两倍），剩下全根目录/即可
3.装好后第一步先更新软件
软件更新：
不要用阿里云，utsc中科大的源更新很快，后面可以考虑阿里云，utsc，清华都很快
还有：插网线！
NVIDIA显卡驱动部分
记下我的标配：NVIDIA -410.73+kernel-4.16.10+GTX1050
驱动下载链接
我电脑配置GTX1050用的显卡驱动是nvidia-410.73,runfile安装：
https://download.csdn.net/download/mingqi1996/10684336
安装英伟达驱动命令
https://blog.csdn.net/Baowhity/article/details/78499396
注意：
1.禁用自带的驱动
2.关闭桌面系统安装X服务
3.一定要禁止装opengl文件
安装英伟达显卡驱动的提示选项
这个链接很全：
https://blog.csdn.net/u014561933/article/details/79958017
注意：提示是否装DKMS的时候，网上众说纷纭，个人建议不通过这个装（我失败了，但是没用这个成功了）
总之最好每一步提示都查一查怎么选，磨刀不误砍柴工！
再装一个toolkit（可选！！谨慎安装）
sudo apt install nvidia-cuda-toolkit 注意：如果没出现循环登录，这个toolkit可以解决很多兼容问题，但是如果电脑安装nvidia或者cuda出现过循环登录，这个包在安装时有可能导致安装了驱动的opengl文件导致循环登录页面（原因不详）。
有时候装好了显卡nvidia-smi显示没问题，过几天就不行了，安装这个才是正解，网上一堆假教程骗你卸载重装。
还有一种，就是nvidia-settings报错，网上也是众说纷纭，这个工具包也完美解决了！
全部安装完毕后可以通过
nvidia-smi查看，输出如下就OK：
nvidia-smi失效
如果nvidia-smi不能显示显卡信息，而是说未检测到之类的，本机出现过（之前还可以在GPU上调试keras，后来不知为何就检测不到N卡了）。
解决方法：没必要卸载nvidia，重装cuda和驱动等，直接用runfile文件再装一次nvidia驱动即可。
根本原因：找到了！是因为内核升级，以后内核升级关掉就行了。
分辨率太小进行调整（适用于xrandr cvt等无效下）
sudo vim /etc/default/grub修改 #GRUB_GFXMODE=640x480为预期的分辨率如我的是1920*1080
sudo update-grubsudo reboot（注意：一定要取消注释，不然改了当然没用！）
装完驱动怎么知道是不是出现了循环登录的bug？不用reboot重启，直接ctrl+alt+f1进入命令行，关闭桌面服务，再重启
sudo service lightdm stop
sudo service lightdm start然后ctrl+alt+f7回到桌面系统，就是决定命运的时刻了....循环登录页面进不去则如下：
Ubuntu 16.04 用户登录界面死循环问题的解
结论：循环登录大都是opengl文件安装的问题，在安装英伟达显卡驱动和cuda的时候，sudo ./要指明不安装opengl否则会出现循环在登录页面进不去，一旦发生了，只能选择卸载英伟达驱动重装如下：
https://blog.csdn.net/u010159842/article/details/54344683
WIFI不能使用屏幕无法调节等驱动问题
解决办法
根源找到了：是内核的原因！官方通用镜像是4.4.0,很低了，我的网卡至少4.16.0才能驱动，所以建议安装ubuntu后立刻升级内核，否则后面通过源码编译坑很多！
内核升级到合适版本后，蓝牙/屏幕亮度/分辨率/WIFI等都迎刃而解。（内核版本也不可过高，否则电脑可能带不了，而且显卡驱动也得拉高，但是硬件显卡可能跟不上）
内核升级编译避坑（网上很多抄來抄去假博客避坑）
先查看网卡型号，搜一下这个型号多少的ubuntu内核可以带动。
lspci | grep Network在内核发布网站下载对应版本的四个文件并编译：https://hitian.info/notes/2017/02/07/ubuntu-server-install-mainline-kernel/
网上抄來抄去都是错的！
但是，事情没有这么一帆风顺，往往会报错，依赖项libssl=1.1.0不满足，要单独下载（上述链接文章有），然后将下好的libssl和四个内核文件放在一个文件夹下，执行内核编译解析命令（dpkg -i *那个）
基本不会报错（可能会说missing一些文件，差了下，不很重要）
无法进入桌面
抛出错误：The system is running in low-graphics mode，很简单，在ctrl+alt+f1模式下，执行这三条语句：
https://blog.csdn.net/angelpumpkin/article/details/77163609
然后！将xorg.conf文件清空（清空，但是不删除）！！否则重启还会再生成，又抛出错误！就可以解决了
软件安装部分
装谷歌浏览器
https://blog.csdn.net/qq551551/article/details/78885704（万一不成功，解决包的依赖问题，添加两个搜索源即可，百度有，未记录）
出现安装包依赖问题
多半是下载乱七八糟的软件时添加的源冲突了（比如我很可能是谷歌或搜狗，网上的教程都是指标不治本），解决办法是更换源，但是不能从系统直接选择，而是：
sudo gedit /etc/apt/sources.list直接在文本中换，比如阿里云等，进行全文替换即可解决。
ubuntu下安装各种包的问题
先安装pip3和pip，更新到最新，再用pip3安装opencv,numpy,matplotlib(先预装tkinter才行)。
opencv配置
不用自己去源码安装！各种bug不带重样的！直接一步到位：
sudo pip3 install opencv-python (确保sudo；确保pip版本最新；python我用的3.5.2；安装的opencv挺新的3.4.3)
（十分方便！）另一个很好的解决方案conda
miniconda安装，在miniconda下安装环境，不会发生包的冲突，而且很灵活安全！！
指令合集：
http://limuzhi.com/2017/06/18/%E6%B7%B1%E5%BA%A6%E5%AD%A6%E4%B9%A0%E7%B3%BB%E5%88%971-%E6%95%B0%E6%8D%AE%E7%A7%91%E5%AD%A6%E5%BC%80%E5%8F%91%E7%8E%AF%E5%A2%83%E4%B8%8E%E5%B7%A5%E5%85%B7/
（注意：）关于conda:如果长期使用还是去官网下anaconda的安装包，有图形界面比较新手友好，而且装完miniconda后就不好卸载了，建议直接上手anaconda!装完后命令打开：
anaconda-navigator如果打不开，删掉miniconda并且在bashrc文件修改环境变量，删掉miniiconda的就OK了
先替换镜像加速
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --set show_channel_urls yes
anaconda的配置一般不需要添加环境变量，安装时会提示添加的，如果有问题自己添加也行。测试时使用默认环境：
source activate显示进入base环境即可：
然后创建一个名为tensorflow的环境，准备tensorflow的安装，同时配置的python为3.6.4：
conda create --name tensorflow python=3.6.4
如果有关conda的所有命令都无效，应该是环境的问题：
# 将anaconda的bin目录加入PATH，根据版本不同，也可能是~/anaconda3/bin
export PATH="~/anaconda2/bin:$PATH"
# 更新bashrc以立即生效
source ~/.bashrc
更改python默认版本
https://blog.csdn.net/fang_chuan/article/details/60958329
tensorflow+cuda+cudnn
我自己安装的cuda8.0和cudnn8.0，还没来得及装完调试，在conda安装tensorflow时，发现他自动安装了cuda和cudnn6.0，自动解决依赖包的问题.....ok，新建的环境可以用tensorflow了，每次上去source activate tensorflow一下就行。
至于他编译出现的一堆警告。提醒你可以源码安装加速运行...不想源码装了好麻烦，先就这样吧==去掉这些讨厌的提醒。
网上说装cuda8.0甚至还有6.0 的，听师兄建议装9.0,没必要装旧的。
配置方法
tensorflow
上面的conda配置发现，指定gpu运行时，他还是跑的CPU，于是重新安装，师兄助攻：
（注意：tensorflow的下载是在anaconda创建的环境下安装的比如我自己取名tensorflow的环境，而cuda和cudnn是在外面）
在anaconda的tensorflow环境下：
pip install --ignore-installed --upgrade https://storage.googleapis.com/tensorflow/linux/gpu/tensorflow_gpu-1.6.0-cp36-cp36m-linux_x86_64.whl网速挺慢的.....或者可以下载后本地安装如下：
tensorflow1.6下载地址：
https://download.csdn.net/download/mingqi1996/10695393
安装命令：
cd ~/env (改成ubuntu下该文件所在目录)
sudo apt-get install xxx(文件的名字)安装详情和报错解决方法：
https://www.tensorflow.org/install/install_linux#InstallingAnaconda
注意：
这一步如果import tensorflow出现错误：
ImportError: libcudart.so.7.5: cannot open shared object file: No such file or directory不用慌张，继续装cuda，然后记得重启reboot，使用:
nvcc --version能够读到匹配安装的cuda版本就行了
nvidia和cuda版本对应
http://blog.sina.com.cn/s/blog_80ce3a550102x6r2.html
cuda
下载地址：https://developer.nvidia.com/cuda-toolkit-archive
先卸载原来的cuda8.0，在/usr/local/cuda-8.0/bin下，有一个unibstall，执行后删掉剩下的文件即可;
在 官网下载cuda9.0的run文件
chmod 777 runfile_name
./runfile
注意：不要装opengl!!此外，选项提示中有一个说覆盖下载驱动的不要选，因为已经配置了显卡驱动（顺便不建议用cuda安装的，自己配置较好），网上有说cuda安装会提醒opengl文件，我是没看到，可能是互相copy的博客吧，其他的基本选yes。
安装时用：
sudo ./cuda_XXXX --no-opengl-libsXXX为cuda版本名，等待即可。
相关页面如下：
https://www.jianshu.com/p/a201b91b3d96
注意：添加环境变量上链接有误！
终端中输入 $ sudo gedit /etc/profile
在打开的文件末尾，添加以下两行。
export PATH=/usr/local/cuda-9.0/bin${PATH:+:${PATH}}
export LD_LIBRARY_PATH=/usr/local/cuda-9.0/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}
reboot后就是永久的，否则是临时的，开机就没了。
测试：
https://blog.csdn.net/QLULIBIN/article/details/78714596
cudnn
依旧是官网最靠谱，我选的最新cudnn-9.0-linux-x64-v7.1.tgz，只要搭配cuda就行，反正也就几个压缩包文件不用安装执行。
命令如下：
https://www.jianshu.com/p/a201b91b3d96
注意：建立软链接，方法见下面版本问题的链接
cudnn版本问题：
有时候跑程序会提醒cudnn版本不对，不同版本切换很简单：
下载对应的包解压
删掉原来文件
sudo rm -rf /usr/local/cuda/include/cudnn.h
sudo rm -rf /usr/local/cuda/lib64/libcudnn*复制新的文件
sudo cp include/cudnn.h /usr/local/cuda/include/
sudo cp lib64/lib* /usr/local/cuda/lib64/建立软链接
cd /usr/local/cuda/lib64/
sudo chmod +r libcudnn.so.6.0.21
sudo ln -sf libcudnn.so.6.0.21 libcudnn.so.6
sudo ln -sf libcudnn.so.6 libcudnn.so
sudo ldconfig
注意：上面的版本号改为自己下的cudnn的lib文件版本号
用之前写的一些学习时随便编的东西运行一下，代码全文直接复制：
https://blog.csdn.net/mingqi1996/article/details/82873391，导入import tensorflow，然后代码前面加上
with Session() as sess:即可，然后一次成功。
值得一提的是：
1.从结果来看，并没有出现奇怪的提示符，所以之前的安装多少还是有问题的，这才是正解的，文件已备份
2.网上说的gcc降级没有必要，我的16.04gcc版本5.0以上，但是在编译cuda完全没问题
（*）对本机而言
以上方式仍有问题，循环登录还是出现，于是只好卸载英伟达驱动，然后没卸载cuda，能登进去后，尝试着再装nvidia驱动，成功，这时发现anaconda环境有问题，重新按照上面配了下。
运行tensorflow，指定GPU跑程序也成功了......所以不失为一种退步的办法
keras安装
网上看到有各种各样的bug，我按装时都没出现。老老实实按照官方文档一步到位，安装完成，跑程序测试成功。
注意：keras在tensorflow环境下安装。
链接：https://download.csdn.net/download/mingqi1996/10703454
jupyter notebook配置
网上一堆抄来抄去都不好用，这个是正确的：https://zhuanlan.zhihu.com/p/31382311
（直接运行那个命令，然后改里面的地址，然后将快捷图标的属性-快捷方式里面第一个路径去掉userprofile啥的那个，否则会固定路径！！！这一点很多博客没说；第二个路径改也为目标路径即可）
（注意：所有插件的安装要在要用的annaconda环境下安装和使用！）
插件：
http://resuly.me/2017/11/03/jupyter-config-for-windows/.zhihu.com/question/59392251
主题配置：（用作者的那个配置挺好的）
https://blog.csdn.net/qq_30565883/article/details/79444750(也可以将输出段和代码段改为15大小，对于我的1920*1080挺合适)
jt -t oceans16 -f fira -fs 15 -cellw 90% -ofs 15 -dfs 11 -T
添加conda新建的kernel:
https://blog.csdn.net/wyz6666/article/details/83314761
步骤大概是：
conda install ipykernel
#查看当前虚拟环境的python路径（source activate ev下查看）
which python
#python-path为上面的python路径
#name为自己取得kernel名字
sudo python-path -m ipykernel install --name name
修改目录：
cd到指定目录下打开notebook即可。
编写程序方式gedit
写程序就不想装乱七八糟的pycharm之类的了，用质朴的文本编辑，gedit类似window的txt文本，使用python name 可以直接编辑，将文件名改为.c或者.py可以自动进行高亮提醒，此外，可以在gedit打开文档的——编辑——首选项配置喜欢的字体环境和显示方式，十分满足！
但是自带的功能太少，一定要扩展：
sudo apt-get install gedit-plugins安装完插件后，回到文本的首选项，多了很多扩展功能，很强！
其他快捷快捷方式：
https://blog.csdn.net/qq_24338077/article/details/53784331
补充：
ctrl+M 注释
ctrl+shift+M 取消注释
shift+Tab 快速取消批量注释
Sublime Text 3
比gedit好用，换文件夹很方便，不用切出去了。
汉化问题（优先考虑）：中文输入的汉化问题不好解决，建议不用官方的，有个大佬改动的：https://github.com/lyfeyaj/sublime-text-imfix用这个可以实现输入汉化，彻底摆脱gedit
安装相关：https://www.imooc.com/article/69513
注意：如果找不到package control，直接ctrl+shift+P进入搜索，然后搜package就会有了
汉化教程：https://blog.csdn.net/qq_38504396/article/details/79856223
修改主题：https://blog.csdn.net/qq_36667170/article/details/79808718
http://tmtheme-editor.herokuapp.com/#!/editor/theme/Monokai主题选择自适应adaptive的，配色选择oceanic next
快捷键：https://segmentfault.com/a/1190000002570753
侧边栏字体太小：https://www.jianshu.com/p/906c48f2da5c
关闭自动更新弹窗：https://blog.csdn.net/shimengran107/article/details/83827872（最好先激活左侧是默认设置，右侧是user）
注册激活：
sublime --version查看自己版本代码，然后搜索激活码即可
注册码更新：https://blog.csdn.net/qq_29819449/article/details/80130327
注意：不要完全照着教程做，网上博客就知道抄來抄去的！在选择主题时不要选default，因为我已经自定义过了用的adaptive的主题，所以选择这个而不是默认主题default，然后再改参数，或者加一行字体（末尾要加逗号）
windows环境配置以及相关框架安装
由于我的笔记本硬件兼容问题，wifi蓝牙亮度等无法调整，用起来不是很方便，为了有时候没网可以学习，在windows下搭建tensorflow(cpu)跑跑程序。keras等版本冲突很多次，最终得到一种可行方案：
anaconda安装
略
tensorflow安装
用anaconda 安装tensorflow1.11.0，打开anaconda-navigator(不要用conda install)，在其中安装即可。
keras安装
用pip安装（不要用conda），官网的安装方法：
pip install keras -U --pre再根据需要安装lxml,matplotlib,pyqt,numpy,pandas等即可。
pytorch安装
使用anaconda-navigator的pytorch即可，默认0.4版本就行
旧电脑上搜索出了0.4.1但是conda只能安装0.1.12版本，太旧了，用下面命令安装0.4.1：
conda install pytorch=0.4.1 -c soumith如果下载慢，可以直接上官网下载whl文件会快点：
https://pytorch.org/get-started/previous-versions/
pytorch 1.0的话同理，我下了个1.0的包，每次直接离线pip install就行了，装完再装个几百k的torchvison就完事了
其他软件的安装
mendeley
修改图标和执行器：https://blog.csdn.net/loveaborn/article/details/24266427
vscode BUG：
- 无法输入中文：
执行下面语句加入环境变量即可
export GTK_IM_MODULE=ibus
export XMODIFIERS=@im=ibus
export QT_IM_MODULE=ibus