windows10+ubuntu18.04双系统+cuda+cudnn+anaconda+pytorch+yolov5环境搭建
在windows10下安装Ubuntu18.04双系统：
1、准备好装有ubuntu18.04镜像的U盘，插入电脑
2、重启电脑进入bios，然后选择u盘启动
3、启动成功后开始安装Ubuntu系统，直接默认选项点击下一步，（这是在默认你已经分好区的情况下进行）。注意选择语言简体中文，不然后面系统还需要自行配置中文输入法。
4、具体安装步骤可参考：https://blog.csdn.net/qq_38962621/article/details/87390603
安装驱动：
- 在安装之前首先就是要禁用Nouveau的驱动。上一步的改动只是在安装的时候临时禁用。如果没有永久禁用该驱动，可能会出现安装完毕NIVIDA显卡后无法进入Ubuntu的情况(在登录界面，输入密码也无法登录)。
禁用 nouveau
sudo gedit /etc/modprobe.d/blacklist.conf
在文件最后一行加入
blacklist nouveau
options nouveau modeset=0
更新内核
sudo update-initramfs –u
重启系统
reboot
重启之后， 验证 nouveau是否已被禁用
lsmod | grep nouveau
无输出则成功禁用
关闭 lightdm
sudo service lightdm stop
此时进入黑窗界面
Ctrl+Alt+F1
登录账户
进入下一步安装显卡驱动
2、安装显卡驱动：
使用标准Ubuntu 仓库进行自动化安装.这种方法几乎是所有的示例中最简单的方法，也是该教程最为推荐的方法。首先，检测你的NVIDIA显卡型号和推荐的驱动程序的模型。在命令行中输入如下命令：
 |
$ ubuntu-drivers devices
从输出结果可以看到，建议安装驱动程序是 nvidia-470版本的驱动。如果您同意该建议，请再次使用Ubuntu驱动程序命令来安装所有推荐的驱动程序。
输入以下命令：
$ sudo ubuntu-drivers autoinstall
一旦安装结束，重新启动系统，你就完成了。
安装是否成功的验证：
 |
$ nvidia-smi
搭建深度学习环境：
 |
1、安装CUDA
运行命令：
wget https://developer.download.nvidia.com/compute/cuda/11.4.2/local_installers/cuda_11.4.2_470.57.02_linux.run
sudo sh cuda_11.4.2_470.57.02_linux.run
（参考图片）
因为安装过了驱动，所以在安装步骤中就把驱动选项取消勾选，也就是最后选择的时候之一把driver的加号点掉，使他不会默认安装(注意)
配置环境：
终端输入
sudo gedit ~/.bashr
在文档最后加上
export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/cuda/lib64
export PATH=$PATH:/usr/local/cuda/bin
 |
export CUDA_HOME=$CUDA_HOME:/usr/local/cuda
终端输入source ~/.bashrc更新
验证是否安装成功：
 |
在终端输入nvcc -V
2、安装cudnn
准备好四个文件cudnn-11.4-linux-x64-v8.2.2.26、libcudnn8-dev_8.2.2.26-1+cuda11.4_amd64、libcudnn8_8.2.2.26-1+cuda11.4_amd64、libcudnn8-samples_8.2.2.26-1+cuda11.4_amd64（这些直接访问cudnn官网就可以下载，请选择和自己cuda版本匹配的cudnn版本）
首先解压tgz包
tar -zxvf cudnn-11.4-linux-x64-v8.2.2.26.tgz
解压后生成cuda文件，终端打开进入到该文件夹目录
复制文件到cuda环境
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 /usr/local/cuda/lib64/libcudnn*
安装deb包
sudo dpkg -i libcudnn7_7.6.2.24-1+cuda10.0_amd64.deb
sudo dpkg -i libcudnn7-dev_7.6.2.24-1+cuda10.0_amd64.deb
sudo dpkg -i libcudnn7-doc_7.6.2.24-1+cuda10.0_amd64.deb
验证是否安装成功：
 |
运行cat /usr/local/cuda/include/cudnn.h后显示
3、安装anaconda：
由于在官网下载非常慢，并且经常网络断掉，因此最好在清华大学开源软件镜像站https://mirrors.tuna.tsinghua.edu.cn/help/anaconda/中下载，具体下载链接https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/，在该页面滑倒最后可以下载最新版本。本案例选择下载Anaconda3-5.2.0-Linux-x86_64.sh版本。
进入下载文件的位置
$ cd Downloads/
运行.sh文件：
$ bash Anaconda3-5.2.0-Linux-x86_64.sh
进入注册信息页面，输入’yes’
安装过程中会提示
Anaconda3 will now be installed into this location:
/home/silver/anaconda3
Press ENTER to confirm the location
Press CTRL-C to abort the installation
Or specify a different location below
我们不更改安装路径的话继续输入
出现如下界面则说明anaconda成功安装，这里询问是否需要安装VScode，一般不需要的话就输入"no"
将anaconda加入系统环境变量
sudo vim ~/.bashrc
加入：(这个路径是你自己的anaconda安装路径)
export PATH=/home/wang/anaconda3/bin:$PATH
在终端中输入
conda info
即可查看详细信息
4、在ananconda上搭建虚拟环境
第一步：输入命令conda create --name 你的环境名 python=你的python版本
conda create --name pytorch python=3.7
第二部：安装成功后启动虚拟环境和推出虚拟环境
source activate pytorch
source deactivate pytorch
|
5、安装pytorch：
 |
进入PyTorch官网，根据自己的环境来定制化选择PyTorch下载安装版本，选好之后复制下方的命令行：
conda install pytorch torchvision torchaudio cudatoolkit=11.1 -c pytorch -c nvidia
验证pytorch是否安装成功：
source activate pytorch 进入虚拟环境
python 进入shell编辑环境
import torch 倒入pytorch
|
print(torch.__version__) 查看torch版本
6、Yolov5环境配置
在yoloV5项目目录下打开终端
source activate pytorch
pip install -r requirements.txt ，安装依赖的环境
至此实验环境就搭建好了：
系统环境：Ubuntu18.04
cuda版本：cuda 11.4
cudnn版本：cudnn-11.4-linux-x64-v8.2.2.26
torch版本：1.9.0
torchvision版本：0.10.0