双系统Ubuntu18.04安装以及一系列配置&错误处理方法

笔者原来的系统是win10，跑一些github上的例子总是设置这个设置那个，然后跑不起来，于是就想着装双系统，选择了ubuntu18.04版本，借的是同学的启动盘，

（1）Ubuntu18.04安装

如果大家也想自己制作启动盘，可以看这个链接：

Ubuntu18.04安装教程

需要注意的是，文中的分区过程过于繁琐，其实只需要把空出来的内存空间分两个区就行，一个是6GB的交换空间（swap，逻辑分区，空间起始位置），剩下的内存全部分到挂载点/，逻辑分区，空间起始位置，ext4，系统会自动分配，我们不用管那么多。

正常安装之后，结果安装了一半屏幕黑掉了，然后就重启了，好像也能进入系统，不过此时的ubuntu没有装完全，建议重新安装一下，安装完出现是否重启的选项的时候，我们再去重启。

 

（2）grub引导修复

重启之后，我们发现，哇，没能进到ubuntu，重启时会出现

error : unknow filesystem
grub rescue>

可以通过如下方法解决

ubuntu系统grub引导修复

当然啦，需要注意的是，我们进入了ubuntu系统之后，就不需要再按照他说的改这改那了，我们直接下载一个叫做boot-repair的工具，可以使用如下命令

连接网络后我们打开终端，依次输入下面的内容，每行之后都要按回车

sudo -i add-apt-repository ppa:yannubuntu/boot-repair && apt-get update

apt-get install -y boot-repair && boot-repair

第一行表示进入root账户模式

第二行添加软件源并更新系统

第三行为安装boot-repair并在安装完成后启动软件。

软件启动后自动扫描，会出现如下界面，选择recommended repair

按照boot repair提示的操作进行，完成后重启电脑即可完成。

如果需要修改文件，可能会需要使用vim，命令很简单，sudo apt-get install vim即可

 

（3）开机之后，发现电脑没声音

ubuntu16耳机没声音解决

 

（4）无法连接上 dl.google.com:80 (6.6.6.6)

发现apt-get update的时候报了连接不上谷歌服务器的错误，这个时候需要我们修改hosts，具体方法如下

无法连接上 dl.google.com:80 (6.6.6.6)

 

（5）ubuntu18.04无法连接网络

然后呢，我浏览了一会火狐浏览器，发现突然上不了网了，无论是重启电脑还是设置什么dns什么乱七八糟的都没有用，最后我找到了解决方法

win10+ubuntu16.04双系统网络问题（win10可以上网，ubuntu上不了网）

其中我遇到的问题解决办法是禁用windows网络（关闭windows网络自动唤醒功能），也就是他的方法2，马上就见效了。

 

（6）ubuntu安装NVIDIA显卡驱动

接下来，我发现登陆的时候鼠标移动到用户上面会卡一下，原因是我们没有安装显卡驱动，安装下卡驱动的方法如下：

ubuntu16.04系统run方式安装nvidia显卡驱动

ubuntu显卡驱动安装

当然也有其他的办法，大家可以自行百度

上面的方法会要求你关掉lightdm服务，但是我的版本里好像没有，那么也很简单

sudo apt install lightdm

安装过程中，会提示缺少gcc以及make工具，大家可以使用如下命令进行安装

键入以下命令安装build-essential软件包：

$ sudo apt install build-essential

该命令将安装一堆新包，包括gcc，g ++和make

当然也可以单独使用sudo apt install gcc==4.8安装某种特定版本的包。

安装完成重新启动即可。

 

（7）Ubuntu安装CUDA和CUDNN

显卡驱动装完了，我们要想在GPU上面跑程序的话，需要安装cuda和cudnn，笔者打算使用tensorflow1.14版本，我们可以在下面看到对应关系

tensorflow CUDA cudnn 版本对应关系

可以看到我需要下载cuda10.0，我们先到NVIDIA官网下载cuda10.0，这里建议选择runfile，点击下方的下载，下载完之后按照下面的步骤执行即可

安装CUDA-10.0

之后安装cudnn，到官网找到cuda10.0对应的版本下载即可，操作过程也可以看下面链接

ubuntu安装cudnn

安装完之后，我们可以输入如下命令查看cuda和cudnn版本

cuda一般安装在 /usr/local/cuda/ 路径下，该路径下有一个version.txt文档，里面记录了cuda的版本信息

cat  /usr/local/cuda/version.txt

即可查询

同理，cudnn的信息在其头文件里

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

即可查询

 

(8）Ubuntu安装python环境——anaconda3以及pycharm

接下来我们安装anaconda3，也是很简单，按照下面链接操作

Ubuntu18.04 安装 Anaconda3

然后我们安装编译器pycharm，具体操作方式如下：

Ubuntu18安装pycharm

安装完之后需要讲pycharm配置上anaconda3的环境

Pycharm 2018.3 中导入Anaconda3创建的环境

搞定之后我们开始下载tensorflow，因为有gpu嘛，所以我们使用的是tensorflow-gpu，输入以下命令下载

pip install tensorflow-gpu==1.14

可能会报以下错误，我们可以一一解决

（1）Could not dlopen library 'libcublas.so.10.0'这一类的错误

解决办法：Could not dlopen library 'libcublas.so.10.0'这一类的错误，有很多人说重装cuda10，如果按照上面的步骤，不需要重装，只是链接文件找不到而已。

（2）tensorboard 1.14.0 has requirement setuptools>=41.0.0, but you'll have setuptools 40.6.3，

Cannot uninstall 'wrapt'. It is a distutils installed project and thus we cannot accurately determine which files belong to it which would lead to only a partial uninstall

解决方法：忽略掉重装就行，大家可以到这里查看具体步骤：【异常】tensorboard 1.14.0 has requirement setuptools>=41.0.0, but you'll have setuptools 40.6.3

（3）pip更新以及更换pip源

更新pip

python -m pip install --upgrade pip

 

更改pip源

创建目录：sudo mkdir ~/.pip

创建文件：sudo gedit ~/.pip/pip.conf

将以下内容保存到文件中，建议使用清华的源

[global]

index-url = https://pypi.tuna.tsinghua.edu.cn/simple

安装设置超时间（安装pillow的时候需要）

pip --default-timeout=100 install -U Pillow

 

搞定了之后，我们到tensorflow官网跑个例子试一下gpu是否完美工作

Basic classification: Classify images of clothing

照着复制下来，然后开始运行，可能会报这个错误（点击查看解决方法）

Tensorflow: CUDA_ERROR_OUT_OF_MEMORY

如下运行成功！

I tensorflow/core/common_runtime/gpu/gpu_device.cc:1640] Found device 0 with properties: 
name: GeForce RTX 2060 SUPER major: 7 minor: 5 memoryClockRate(GHz): 1.815
pciBusID: 0000:01:00.0
2019-12-26 10:19:38.346425: I tensorflow/stream_executor/platform/default/dso_loader.cc:42] Successfully opened dynamic library libcudart.so.10.0
2019-12-26 10:19:38.548043: I tensorflow/stream_executor/platform/default/dso_loader.cc:42] Successfully opened dynamic library libcublas.so.10.0
2019-12-26 10:19:38.683216: I tensorflow/stream_executor/platform/default/dso_loader.cc:42] Successfully opened dynamic library libcufft.so.10.0
2019-12-26 10:19:38.737698: I tensorflow/stream_executor/platform/default/dso_loader.cc:42] Successfully opened dynamic library libcurand.so.10.0
2019-12-26 10:19:38.959835: I tensorflow/stream_executor/platform/default/dso_loader.cc:42] Successfully opened dynamic library libcusolver.so.10.0
2019-12-26 10:19:39.082605: I tensorflow/stream_executor/platform/default/dso_loader.cc:42] Successfully opened dynamic library libcusparse.so.10.0
2019-12-26 10:19:39.476582: I tensorflow/stream_executor/platform/default/dso_loader.cc:42] Successfully opened dynamic library libcudnn.so.7
2019-12-26 10:19:39.476708: I tensorflow/stream_executor/cuda/cuda_gpu_executor.cc:1005] successful NUMA node read from SysFS had negative value (-1), but there must be at least one NUMA node, so returning NUMA node zero
2019-12-26 10:19:39.477060: I tensorflow/stream_executor/cuda/cuda_gpu_executor.cc:1005] successful NUMA node read from SysFS had negative value (-1), but there must be at least one NUMA node, so returning NUMA node zero
2019-12-26 10:19:39.477326: I tensorflow/core/common_runtime/gpu/gpu_device.cc:1763] Adding visible gpu devices: 0
2019-12-26 10:19:39.488916: I tensorflow/stream_executor/platform/default/dso_loader.cc:42] Successfully opened dynamic library libcudart.so.10.0
2019-12-26 10:19:39.500532: I tensorflow/core/common_runtime/gpu/gpu_device.cc:1181] Device interconnect StreamExecutor with strength 1 edge matrix:
2019-12-26 10:19:39.500556: I tensorflow/core/common_runtime/gpu/gpu_device.cc:1187]      0 
2019-12-26 10:19:39.500562: I tensorflow/core/common_runtime/gpu/gpu_device.cc:1200] 0:   N 
2019-12-26 10:19:39.500715: I tensorflow/stream_executor/cuda/cuda_gpu_executor.cc:1005] successful NUMA node read from SysFS had negative value (-1), but there must be at least one NUMA node, so returning NUMA node zero
2019-12-26 10:19:39.501093: I tensorflow/stream_executor/cuda/cuda_gpu_executor.cc:1005] successful NUMA node read from SysFS had negative value (-1), but there must be at least one NUMA node, so returning NUMA node zero
2019-12-26 10:19:39.501384: I tensorflow/core/common_runtime/gpu/gpu_device.cc:1326] Created TensorFlow device (/job:localhost/replica:0/task:0/device:GPU:0 with 7219 MB memory) -> physical GPU (device: 0, name: GeForce RTX 2060 SUPER, pci bus id: 0000:01:00.0, compute capability: 7.5)
Epoch 1/10
2019-12-26 10:19:46.567665: I tensorflow/stream_executor/platform/default/dso_loader.cc:42] Successfully opened dynamic library libcublas.so.10.0