双系统安装Ubantu18.04 + RTX2070 + CUDA10.1 + Cudnn+anaconda3+tensorflow-gpu

双系统安装Ubantu18.04 + RTX2070 + CUDA10.1 + Cudnn7.5.1+anaconda3+tensorflow-gpu

参考博客
http://www.tuicool.com/articles/JvUvQjZ
https://blog.csdn.net/10km/article/details/61191230
https://blog.csdn.net/wf19930209/article/details/81877822
https://blog.csdn.net/weixin_40859436/article/details/83152249

1. Ubantu系统的安装

1. 系统下载

• https://www.ubuntu.com/download/desktop

2. U盘启动工具制作
   下载软件 Universal-USB-Installer-1.9.8.1 点击打开链接
   https://www.pendrivelinux.com/universal-usb-installer-easy-as-1-2-3/
   按照软件的提示来。
   
3. 给出空闲去用于安装Ubuntu系统
   分区快捷键“win+X”->“磁盘管理”->“压缩卷”
   给Ubuntu系统预留30G，此处最好从固态硬盘划分。给Home预留300G（可根据实际情况给）这个区用于放东西，从磁盘中划分就好了。
4. Ubuntu系统的安装
   通过U盘启动电脑，选择直接安装Ubuntu系统。
   进入到这个界面一定要选其他选项，这样才可以自己分区。
   
   选择之后开始分区

一共要分4个区
第一次分区：

“空闲”处点“+”，进行如下设置：(注意一定要在空闲出操作，注意空闲处的内存与自己实际划分的内存对应)

挂载点：“/”
大小：20480M（看自个分配多少给Ubuntu 这里我是20G）
新分区的类型：主分区
新分区的位置：空间起始位置
用于：EXT4日志文件系统

第二次分区：
“空闲”处，继续点“+”，如下设置，(注意：安装在那个盘就点哪一个的空闲)
挂载点：（不设置）
大小：2048-8192 M（根据实际情况给）
新分区的类型：逻辑分区
新分区的位置：空间起始位置
用于：交换空间

第三次分区：
“空闲”处，继续点“+”，如下设置，
挂载点：/boot
大小：400MB
新分区的类型：逻辑分区
新分区的位置：空间起始位置
用于：EXT4日志文件系统

第四次分区：
“空闲”处，继续点“+”，如下设置，
挂载点：/home （这属于文件盘）
大小：自己根据需要给定（存储一些文件我给了300G）
新分区的类型：逻辑分区
新分区的位置：空间起始位置
用于：EXT4日志文件系统

分区设置完毕后，下方还有一项“安装启动引导器的设备”，请选择你/boot所在的盘符。接着安装。

2 安装显卡驱动前处理

1. 在显卡驱动RTX2070未安装之前，手动修改一下grub文件：

• vim $sudo apt-get install vim-gtk
• sudo vim /etc/default/grub
• 在打开的文件中找到 #GRUB_GFXMODE=640×480 后面两项改为1920*1080（根据实际修改）。
  （若电脑没有集成显卡，更改分辨率的效果要等到装好显卡驱动才看的到）
  修改完成输入：
• sudo update-grub
  注意如果此步提示没有安装pip
  可执行
• sudo apt-get install python-pip
• sudo apt-get install python-numpy swig python-dev python-wheel
  2 更改apt的源
  （1）在修改source.list前，最好先备份一份，所以执行
• sudo cp /etc/apt/sources.list /etc/apt/sources.list.old
  (附：如果此步显示此文件不存在，则执行sudo gedit /etc/apt/source.list 否则忽略附言)
  （2）执行命令打开source.list文件
• sudo vim /etc/apt/source.list 或 sudo gedit /etc/apt/source.list
  （3）增添源，把下面的内容复制到source.list中去，并覆盖原来的文件内容。
• 先点 i，
• 鼠标右键粘贴
• 完成了按esc键，再按 ：wq! （或 按住shift+两下z）保存退出。
  deb http://mirrors.163.com/ubuntu/ lucid-backports main restricted universe multiverse
  deb-src http://mirrors.163.com/ubuntu/ lucid main restricted universe multiverse
  deb-src http://mirrors.163.com/ubuntu/ lucid-security main restricted universe multiverse
  deb-src http://mirrors.163.com/ubuntu/ lucid-updates main restricted universe multiverse
  deb-src http://mirrors.163.com/ubuntu/ lucid-proposed main restricted universe multiverse
  deb-src http://mirrors.163.com/ubuntu/ lucid-backports main restricted universe multiverse
  deb http://mirrors.sohu.com/ubuntu/ lucid main restricted universe multiverse
  deb http://mirrors.sohu.com/ubuntu/ lucid-security main restricted universe multiverse
  deb http://mirrors.sohu.com/ubuntu/ lucid-updates main restricted universe multiverse
  deb http://mirrors.sohu.com/ubuntu/ lucid-proposed main restricted universe multiverse
  deb http://mirrors.sohu.com/ubuntu/ lucid-backports main restricted universe multiverse
  deb-src http://mirrors.sohu.com/ubuntu/ lucid main restricted universe multiverse
  deb http://old-releases.ubuntu.com/ubuntu/ natty main restricted universe multiverse
  deb http://old-releases.ubuntu.com/ubuntu/ natty-security main restricted universe multiverse
  deb http://old-releases.ubuntu.com/ubuntu/ natty-updates main restricted universe multiverse
  deb http://old-releases.ubuntu.com/ubuntu/ natty-proposed main restricted universe multiverse
  deb http://old-releases.ubuntu.com/ubuntu/ natty-backports main restricted universe multiverse
  deb-src http://old-releases.ubuntu.com/ubuntu/ natty main restricted universe multiverse
  deb-src http://old-releases.ubuntu.com/ubuntu/ natty-security main restricted universe multiverse
  deb-src http://old-releases.ubuntu.com/ubuntu/ natty-updates main restricted universe multiverse
  deb-src http://old-releases.ubuntu.com/ubuntu/ natty-proposed main restricted universe multiverse
  deb-src http://old-releases.ubuntu.com/ubuntu/ natty-backports main restricted universe multiverse
  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

你还可以添加其他的源自行网上搜索
（4）最后更新源和更新已安装的包

• sudo apt-get update
• sudo apt-get upgrade
  （5）装SSH Server，这样可以远程ssh访问这台主机（也可不用）
• sudo apt-get install openssh-server

注意： 当遇到gcc版本与linux内核不符合的情况时可按照以下指令下载符合的版本。

• sudo apt-get install gcc- **（星号后面为相应的版本号）
• sudo apt-get install g++ - **
  先把目录切换到/usr/bin下。修改原先gcc与g++的软连接，使得新安装的gcc与g++生效。
• cd /usr/bin
• sudo mv gcc gcc.bak
• sudo ln -s gcc-** gcc
• sudo mv g++ g++.bak
• sudo ln -s g+±** g++

3 安装显卡RTX2070驱动

1. 禁用nouveau驱动
Ubuntu系统集成的显卡驱动程序是nouveau，我们需要先将nouveau从linux内核卸载掉才能安装NVIDIA官方驱动。
若禁用后无法显示图形界面 通过alt+ctrl+F1（F1-F12）进入到命令行模式（我的电脑是F3切换到纯命令行模式。F2切换回图形模式）
（1） 修改blacklist.conf 文件属性blacklist.conf
查看属性

• ll /etc/modprobe.d/blacklist.conf
  修改属性

• sudo chmod 666 /etc/modprobe.d/blacklist.conf
  用vi编辑器打开

• sudo vi /etc/modprobe.d/blacklist.conf

• 在文件末尾添加如下几行：
  blacklist vga16fb
  blacklist nouveau
  blacklist rivafb
  blacklist rivatv
  blacklist nvidiafb
  （2）修改并保存文件后，记得把文件属性复原：

• sudo chmod 644 /etc/modprobe.d/blacklist.conf
  更新一下内核

• sudo update-initramfs -u
  修改后需要重启系统

• reboot (重启)
  重启系统确认nouveau是否已经被屏蔽掉，使用lsmod命令查看，lsmod命令用于显示已经加载到内核中的模块的状态信息

• lsmod | grep nouveau
  若已屏蔽没有任何信息
  2. 安装驱动
  （1）安装之前先卸载已经存在的驱动版本

• sudo apt-get remove --purge nvidia*
  （2）安装相关依赖项

• sudo apt-get install freeglut3-dev build-essential libx11-dev libxmu-dev libxi-dev libgl1-mesa-glx libglu1-mesa libglu1-mesa-dev
  （3）顺便安装vim（vim是一个类似于vi的文本编辑器，不过在vi的基础上增加了很多新的特性，后面配置的时候用得到）

• sudo apt-get install vim
  （4）添加Graphic Drivers PPA

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

• sudo apt-get update
  （5）寻找合适的驱动版本

• ubuntu-drivers devices
  安装驱动

• sudo apt-get install nvidia-418（根据自己的驱动号）
  或者使用

• sudo apt-get install nvidia*
  或

• sudo ubuntu-drivers autoinstall （安装所有驱动）
  或

• 找到软件和更新系统应用，点击附加驱动进行安装
  注意如果上述不成功，进入步骤（7）。安装成功直接重启
  （7）手动安装nvidia驱动 （依旧要禁用nouveau驱动）

• 进入nvidia官网 https://www.geforce.cn/drivers
  下载对应显卡的驱动程序，下载后的文件格式为run。

• 删除原有的NVIDIA驱动程序(若没有安装忽略)

  • sudo apt-get remove –purge nvidia*

• 进入命令行桌面
  给驱动文件增加可执行权限

  • sudo chmod a+x NVIDIA-Linux-x86_64-418.74.run（cd到文件所在文件夹。）
    安装
  • sudo sh ./NVIDIA-Linux-x86_64-418.74.run.run –no-opengl-files
    （安装过程出现了几个警告，搞了好久没有解决，后来直接无视警告安装了，居然可以用。。。）
    （8）安装完成后重启即可
    检验驱动是否成功安装

• nvidia-smi
  

3 Cuda安装

1. 进入官网https://developer.nvidia.com/cuda-downloads?target_os=Linux&target_arch=x86_64&target_distro=Ubuntu&target_version=1804&target_type=deblocal

注意：运行指令需要cd到包含该文件的文件夹目录下
根据官网提示指令安装即可

• sudo dpkg -i cuda-repo-ubuntu1804-10-1-local-10.1.168-418.67_1.0-1_amd64.deb
• sudo apt-key add /var/cuda-repo-ubuntu1804-10-1-local-10.1.168/7fa2af80.pub
• sudo apt-get update
• sudo apt-get install cuda

4 cuDNN的安装

1. 进入官网

• https://developer.nvidia.com/rdp/cudnn-download
  注册账号，下载对应cudnn版本，选择第一个for linux
  2. 下载完成解压文件
• tar -zxvf cudnn-10.1-linux-x64-v7.5.1.10.tgz

2. 解压完成将相应的文件拷贝到对应的CUDA目录下即可（要cd到含cudnn文件的目录下）

• sudo cp cuda/include/cudnn.h /usr/local/cuda/include/
• sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64/
• sudo chmod a+r /usr/local/cuda/include/cudnn.h
• sudo chmod a+r /usr/local/cuda/lib64/libcudnn*

3. 编辑环境变量

• sudo gedit ~/.bashrc
  将cuda的环境变量加到打开的文件最后
• export LD_LIBRARY_PATH=”$LD_LIBRARY_PATH:/usr/local/cuda/lib64:/usr/local/cuda/extras/CUPTI/lib64”
• export CUDA_HOME=/usr/local/cuda
• export PATH=“$CUD{A}_{H}OME/bin:$PATH”
  保存后，终端输入
• source ~/.bashrc

5 Anaconda3安装

1.进入官网，下载需要版本

• https://www.anaconda.com/distribution/

2. cd进入下载文件所在的目录，在命令行输入：

• bash Anaconda2-4.0.0-Linux-x86_64.sh

3. 安装完成之后，在.bashrc中添加Anaconda的库文件，输入

• sudo gedit ~/.bashrc

4. 文件最后加入

• export PATH="/home/你的用户名/anaconda3/bin:$PATH"
• export LD_LIBRARY_PATH="/home/lyndon/anaconda2/lib:$LD_LIBRARY_PATH"
  保存后，终端输入
• source ~/.bashrc

5. 关闭终端
   安装完成后最好重启下电脑

6. tensorflow-gpu安装

直接终端输入

• conda intall tensorflow-gpu
  注意：不要把conda换成清华镜源，现在网上的清华镜源都不能用了(可能是我找的问题)，换源后会导致安装失败。
  测试是否正确安装：
  进入终端输入 ipython
• ipython
• import tensorflow as tf
• a = tf.constant(2)
• print(tf.Session().run(a))
  正确的输出：

就此大功告成！