深度学习环境配置

ubuntu装机、深度学习环境配置基本过程：
（一）装ubuntu18.04系统
软碟通 制作U盘启动盘 ubuntu分区选择： 常规分4个区：（以100G为例）:     /boot     200M     /swap     8G     /              20G     /home     剩余所有 注意：分区列表最下方的Device for boot loader Installation要选择  上面/boot分区所对应的（如/dev/sdb2）
apt 源： sudo cp /etc/apt/sources.list /etc/apt/sources.lists.bak sudo gedit /etc/apt/sources.list 将如下（清华源）粘贴期中并保存： 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 deb-src https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ bionic-security main restricted universe multiverse deb https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ bionic-proposed main restricted universe multiverse deb-src https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ bionic-proposed main restricted universe multiverse sudo apt update sudo apt-get upgrade   pip 源： 修改 ~/.pip/pip.conf (没有就创建一个文件夹及文件。文件夹要加“.”，表示是隐藏文件夹) 内容如下：  [global] index-url = https://pypi.tuna.tsinghua.edu.cn/simple [install] trusted-host=mirrors.aliyun.com
（二）安装nvidia显卡驱动
方式一：官网下载.run文件 https://www.geforce.cn/drivers 选择适合自己显卡的驱动  需要禁用原本自带的显卡驱动 nouveau sudo service lightdm stop   关闭图形显示 sudo sh NVIDIA-Linux-x86_64-390.42.run --no-opengl-files   方式二：在 软件与更新中 选择nvidai的驱动（本人可以如此直接安装，建议先尝试该法） 方便，不需要关闭图像显示界面，不易出现循环登录等各种问题   装完后，重启系统，运行：nvidia-smi 如果出现对应的显卡信息则说明显卡驱动安装成功	参考：https://www.cnblogs.com/tanwc/p/9375161.html
（三）安装 CUDA、cudnn
安装 CUDA 以安装 cuda 9.2 为例，具体需要根据自己的 cuda 版本对名称和路径进行修改。 下载：https://developer.nvidia.com/cuda-downloads 1. 执行run文件 进入 cuda runfile 文件目录下： chmod +x cuda_9.2.148_396.37_linux.run ./cuda_9.2.148_396.37_linux.run 按住回车，服务条款进行到 100% 以后，按下面的步骤进行选择： accept n（不要安装驱动！） y 输入安装路径：/data/usr/local/cuda-9.2 y or n y or n 2. 设置环境变量 安装完成后，设置环境变量：.bashrc vi ~/.bashrc 在文件末尾加上：（不要有空格） export LD_LIBRARY_PATH=usr/local/cuda/lib64:$LD_LIBRARY_PATH export PATH=/usr/local/cuda/bin:$PATH 保存退出后更新环境变量：source ~/.bashrc 3. 检查安装是否成功   此时查看 cuda 版本：nvcc -V   4. 卸载CUDA 卸载CUDA很简单，一条命令就可以了，主要执行的是CUDA自带的卸载脚本，根据自己的cuda版本找到卸载脚本 sudo /usr/local/cuda-9.2/bin/uninstall_cuda_9.2.pl 5. 多版本CUDA的切换   参考右边第二个连接   2、安装 CUDNN https://developer.nvidia.com/rdp/cudnn-archive 1. 解压tgz压缩包 下载 Linux 版本的压缩包，发现是 .solitairethem8 格式的文件，需要先将其转换为 .tgz 格式的文件再进行解压： # 转换为tgz文件 cp cudnn-9.2-linux-x64-v7.5.1.10.solitairetheme8 cudnn-9.2-linux-x64-v7.5.1.10.tgz # 解压tgz文件 tar -zvxf cudnn-9.2-linux-x64-v7.5.1.10.tgz -C /data/zyy/usr/local 2. 复制头与库文件文件 进入 cuda/include 路径下，执行操作： # 将头文件cudnn.h复制到cuda-9.2安装目录下对应的include文件中 sudo  cp cudnn.h /usr/local/cuda/include/ 然后重置 cudnn.h 文件的读写权限：（正常不需要） chmod a+r /usr/local/cuda/include/cudnn.h   cd cuda/lib64 sudo cp lib* /usr/loacl/cuda/lib64/ 3. 添加环境变量 vi ~/.bashrc 在弹出的 .bashrc 文件的最后加入： export LD_LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PATH 然后source ~/.bashrc （这一步是为了将cudnn的lib64库添加到环境变量中，但按照前述安装cuda的过程，这里环境变量以及添加了，就不需要再来一次） 4. 检查安装是否成功 查看 cudnn 版本： cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2	参考： https://www.cnblogs.com/tanwc/p/9375161.html     https://blog.csdn.net/qq_31347869/article/details/89452529
（四）gcc版本安装与切换
查看系统已装gcc ls /usr/bin/gcc* 查看当前系统使用gcc gcc -v 系统ubuntu18.04，预装gcc7和gcc6，因需要安装gcc5 sudo apt-get install gcc-5 gcc-5-multilib sudo apt-get install g++-5 g++-5-multilib 设置优先级 sudo update-alternatives --install /usr/bin/gcc gcc /usr/bin/gcc-7 30 sudo update-alternatives --install /usr/bin/gcc gcc /usr/bin/gcc-6 40 sudo update-alternatives --install /usr/bin/gcc gcc /usr/bin/gcc-5 50 sudo update-alternatives --install /usr/bin/g++ g++ /usr/bin/g++-7 30 sudo update-alternatives --install /usr/bin/g++ g++ /usr/bin/g++-6 40 sudo update-alternatives --install /usr/bin/g++ gc++/usr/bin/g++-5 50 或者（--slave后面加入g++是当切换gcc版本时也同时切换g++）（推荐） sudo update-alternatives --install /usr/bin/gcc gcc /usr/bin/gcc-7 70 --slave /usr/bin/g++ g++ /usr/bin/g++-7   接着查看 sudo update-alternatives --config gcc   返回: linux:~$ sudo update-alternatives --config gcc 有 3 个候选项可用于替换 gcc (提供 /usr/bin/gcc)。   选择 路径 优先级 状态 ------------------------------------------------------------ * 0 /usr/bin/gcc-5 50 自动模式 1 /usr/bin/gcc-5 50 手动模式 2 /usr/bin/gcc-6 40 手动模式 3 /usr/bin/gcc-7 30 手动模式   要维持当前值[*]请按<回车键>，或者键入选择的编号： 删除 sudo update-alternatives --remove gcc /usr/bin/gcc-5	参考： https://www.cnblogs.com/yangwithtao/p/9091142.html
（五）安装指定版本的cmake    一般用apt-get install就可以安装cmake了，但版本较低，可以安装指定版本的cmake                                                      cmake --version 可查看版本
(六) 安装ananconda     sh Anaconda3-5.0.0.1-Linux-x86_64.sh
（六）安装pycharm      安装：    cd pycahrm-.../bin      sh ./pycharm.sh                                      运行：    cd pycahrm-.../bin    sh ./pycharm.sh
（七）安装 vscode     sudo dpkg -i codeXXX.deb
（八）安装opencv    sudo apt-get install libopencv-dev    pip install python-opencv
（九）安装PCL库   :     https://blog.csdn.net/Coderii/article/details/87636882              sudo apt-get install libpcl-dev              下载pcl 库（git）并解压：  https://github.com/PointCloudLibrary/pcl               sudo mv pcl-xxx /opt/   cd /opt/pcl-xxx   mkdir build  cmake .. make               sudo make install