Deepin 15.x、 Ubuntu 18.x、Anaconda3、Pytorch 1.x、Detectron2、Tensorflow-gpu1.12+环境配置正确姿势总结
关键词：Deepin安装，Ubuntu安装，Anaconda安装，Pytorch安装（torch+torchvision），Detectron2安装，tensorflow-gpu安装
写在前面：
楼主在配置环境时经历了好多坑，故此想要写一篇总结性的笔记，这篇笔记想要好好整理下思路，帮助大家更好地排坑，当然对于新手而言也可以按照正确的操作步骤来一步步搭建环境。本文目录如下，如果你是新手，建议从第一章开始一步步搭建环境；如果已经安装Linux发行版，那么可以从CUDA安装开始。
目录
一、 Linux系统安装及大环境配置
1. Linux发行版系统选择及安装指南
1.1 Deepin安装（国产系统，安装很简单）
1.2 Ubuntu18安装及环境优化
2. NVIDIA显卡驱动及CUDA、Cudnn安装
2.1 NVIDIA显卡驱动安装
2.2 CUDA及Cudnn安装
二、安装Anaconda
三、安装Pytorch、torchvision、Detectron2
1. 安装torch、torchvision的最快捷方法
2. 安装Detectron2（接上面进行）
四、安装tensorflow-gpu
一、 Linux系统安装及大环境配置
1. Linux发行版系统选择及安装指南
如果您是使用笔记本电脑或非Dell主板的台式机，建议安装Deepin15
（国产系统能省去很多麻烦，但Deepin对部分主板兼容性不好，尤其是对Dell主板的电源管理模块不兼容，这会导致很多后续的问题）
如果您是使用台式机，建议优先安装Ubuntu18.（Ubuntu对各种设备的兼容性更好，且UI仅次于Deepin）
1.1 Deepin安装（国产系统，安装很简单）
（1）首先，去官网下载好iso系统镜像（国内用户请点击官方下载），然后点击“下载深度启动盘下载工具后”直接运行该工具，随后选择iso镜像一键制作U盘启动盘：
（2）启动U盘制作好后，先在磁盘中划出一部分空区，然后插上U盘重启电脑，在电脑屏幕亮起后疯狂按键（不同主板不一样，但一般都会在F2、F11、F12、Del这几个键里面）进入BIOS界面，选择U盘启动。
（3）从启动盘进入后，按照步骤一步步安装就好了，此处注意，一定要选择自己预先空出来的磁盘分区！Deepin对新手极为友好，直接简单安装就行了，会自动生产linux和windows的启动项，但前提是你的Windows引导分区也是EFI的！（win10通常都是UEFI的，所以不用担心，除非你自己魔改重装过win10，但如果你知道怎么弄引导，那安装步骤都不用看别人的了。。）
（4）安装完成后拔掉U盘，重启电脑就Ok了，若出现引导项没有win10的情况，那么请更新grub文件即可。
1.2 Ubuntu18安装及环境优化
Ubuntu安装要复杂些，并且安装好后需要对环境进行优化，因为Ubuntu的默认软件源的下载速度实在太慢了，会让人崩溃的，而国产Linux系统则没有这个问题。
Ubuntu18.04安装：https://blog.csdn.net/baidu_36602427/article/details/86548203
Ubuntu环境优化：https://blog.csdn.net/baidu_36602427/article/details/86551862
然后，把梯云纵搭好，没有梯云纵，后面安装东西会很慢很慢的：
s***boom：https://sockboom.cn/
**elctron-s*r（方便快捷，需要先sudo apt install python-openssl）：https://github.com/srr/electron-ssr/releases/tag/v0.2.7
点“订阅管理”，添加s***boom的订阅地址进去，然后更新订阅服务器，然后就可以选择服务器了。
更多操作：
https://blog.fazero.me/2015/08/31/%E5%88%A9%E7%94%A8proxychains%E5%9C%A8%E7%BB%88%E7%AB%AF%E4%BD%BF%E7%94%A8socks5%E4%BB%A3%E7%90%86/
2. NVIDIA显卡驱动及CUDA、Cudnn安装
注：安装前请确定自己所需要的版本，如果你要使用Pytorch 1.x或者Tensorflow-gpu 1.12以上版本的AI平台，那么可以参照我下面的版本
2.1 NVIDIA显卡驱动安装
（1）Deepin请参考这篇文章：https://blog.csdn.net/weixin_42118374/article/details/97244324
注意：由于主板的不同，安装过程可能会出现一些意想不到的Error，如果是台式机，建议在独显驱动安装前使用HDMI或VGA的数据线连接显示器（重要！），千万不要盲目使用DP或者mDP的数据线连接显示器，否则可能会出现黑屏情况！
（2）Ubuntu：
|
|
如果有东西输出，就要去关闭自带的Nouveau驱动，方法是：
| 1 |
|
添加如下内容：
| 1 2 3 |
|
添加PPA源一键安装独显驱动：
sudo add-apt-repository ppa:graphics-drivers/ppa使用下面命令查看与显卡匹配的驱动
ubuntu-drivers devices
选择一个安装：（注意，cuda415~430会自动安装CUDA driver 10.1，而440会自动安装CUDA driver10.2，但这其实对后面的CUDA安装没影响，因为CUDA安装其实是装的CUDA runtime，cuda driver和cuda runtime是可以独立存在且一起工作的）
sudo apt install nvidia-driver-430安装完成后，重启即可。
2.2 CUDA及Cudnn安装
请务必注意，这里下载安装的实际是CUDA runtime，和显卡驱动自带的CUDA driver是相对独立的，它们的小版本不同的话是没影响的，大版本不同可能会有影响，但目前我没遇到。CUDA driver为显卡驱动服务，CUDA runtime为CUDA编程和那些高级的第三方库（如tensorflow-gpu、detectron2、torchvision等）服务。
以下是安装步骤：
（1）第一步，选择自己想要的CUDA和Cudnn版本下载
CUDA：https://developer.nvidia.com/cuda-toolkit-archive （选择适合Ubuntu的版本下载runfile文件，Deepin用户也可用）
Cudnn：https://developer.nvidia.com/cudnn（需要登录NVIDIA账号才能下载，请直接下载Cudnn Library For Linux，注意版本和CUDA对应上）
（2）安装过程
进入下载目录，给下载的文件添加可执行权限：
sudo chmod 777 cuda_xxxx_linux.run
sudo chmod 777 cuda_xxxx_linux.run
sudo ./cuda_xxxx_linux.run
选择Continue，输入“accept”后会让你选择安装哪些东西，请把以CUDA开头的选项的叉叉X给去掉（去掉X表示安装），请保留NVIDIA driver的叉叉“X”，避免重复安装显卡驱动！！！ 因为之前就安装过了。选好后再移动到 Install 那按回车键就会自动安装完毕。
安装好CUDA后，需要添加环境变量
打开终端，输入”sudo gedit ~/.bashrc“，然后再弹出的编辑器的最后，添加如下两行
export PATH=/usr/local/cuda/bin:$PATH
export LD_LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PATH
（3）测试CUDA是否安装成功：
请看：https://blog.csdn.net/weixin_38208741/article/details/70848364
最后面出现”Result = PASS“字样时，说明安装成功了。
（4）安装Cudnn
安装过程实际上是把cudnn的头文件复制到CUDA的头文件目录里面去；把cuDNN的库复制到CUDA的库目录里面去。
我们在第（1）步时已经下载好了Cudnn，现在只要进行以下操作：
# 解压
tar zxvf cudnn-xxx(版本号)-linux-x64-v7.6.0.64.tgz
# 复制cudnn头文件
sudo cp cuda/include/* /usr/local/cuda/include/
# 复制cudnn的库
sudo cp cuda/lib64/* /usr/local/cuda/lib64/
# 添加可执行权限
sudo chmod 777 /usr/local/cuda/include/cudnn.h
sudo chmod 777 /usr/local/cuda/lib64/libcudnn*
二、安装Anaconda
去清华镜像站下载：
https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/
直接bash安装即可（不要加sudo），安装最后会问你要不要写入路径，你填yes就行了
三、安装Pytorch、torchvision、Detectron2
1. 安装torch、torchvision的最快捷方法
（1）先建立一个名叫torch的虚拟环境：conda create -n torch python=3.6
（2）如果安装最新的pytorch和相应的torchvision，可以直接：pip install torch torchvision （执行命令前建议把pip改为豆瓣源）
由于前面的环境已经搭好，所以这里会直接安装成功的，并且会自动匹配版本号，比如torch==1.3.1 torchvision==0.4.2。
2. 安装Detectron2（接上面进行）
conda activate torch
pip install git+https://github.com/facebookresearch/fvcore.git
pip install OpenCV pycocotools
git clone https://github.com/facebookresearch/detectron2.git detectron2 （__也可改成其他目录名）然后，你会把那个链接里的Detectron源码下载到当前路径下的detectron2目录中，接着安装detectron2：
pip install -e detectron2 (这里的detectron2是你git下载文件的目录名字，可以自己任意设置，不影响)
如果你是从本文第二部分的CUDA开始就严格按照我的步骤来的，那现在Detectron2应该安装成功了；
如果你还想跑detectron2提供的示例代码，那么你还需要安装个google.colab，直接pip安装就行了。
用detectron2对新的气球数据集进行训练（官方示例的复现）：
四、安装tensorflow-gpu
你可以跳过第三步，如果你第二步的环境已经搭好，那么可以直接
pip install tensorflow-gpu （可以加上tensorflow==1.12.0指定1.12及以后的版本）
安装成功。
本文主要内容到此就结束了，最后想跟大家说的是，千万要保重身体，坚决抵制996。996的生活给再多的钱也是浪费人生，只要我们都开始抵制996，整个社会风气会慢慢改变过来的，我们不能向资本妥协，为了自己，也为了后辈。本人已经做好退路，已考取教师资格证、已做好公务员复习准备，如果IT行业只有996可选，那我会主动放弃的。
抵制996，从我做起。