Ubuntu20.04软件安装大全

Ubuntu20.04 软件安装大全

前言

最近在自己主机上安装了双系统，记录下自己在Ubuntu20.04系统中安装的软件及遇到的问题，方便下次查看，安装的软件大多是跟深度学习相关的以及个人平时习惯使用的，仅供自己参考。
这里分享下博主安装过程中的软件安装包下载链接[pwd:yolo]

1. Windows和Ubuntu双系统安装

参考自UP主机器人工匠阿杰的Windows和Ubuntu双系统的安装和卸载

描述：安装流程非常详细，UP主演示的是笔记本，而博主是主机，在BIOS界面相差较大，安装完成后存在一个小bug，但不影响使用。下面只说下流程中博主操作不同的地方，大家务必根据自己的实际情况来。

1.1 下载Ubuntu系统镜像

博主并没有选择从Ubuntu官网下载，而是选择从清华大学开源软件镜像站下载，不用访问外网，速度快。清华大学开源镜像站Ubuntu-releases网址：https://mirrors.tuna.tsinghua.edu.cn/ubuntu-releases/

选择你想要安装的Ubuntu版本(比如20.04)，点击下载.iso为结尾的蓝色字体即可(比如ubuntu-20.04.6-desktop-amd64.iso)

如果不会操作的可查看这篇Ubuntu系统下载(清华大学开源软件镜像战)博客的图文描述

1.2 磁盘分区

博主选择的是分区方案一，将/home挂载节点和/根挂载节点分开。

博主有两块硬盘，一个3TB的机械和一个1TB的的固态，我从机械硬盘中压缩了500GB的空间(即512,000MB)和固态硬盘中压缩了250GB的空间(即256,000MB)，我将固态硬盘的250个GB用做引导区、内存交换分区以及/根挂载节点，将500GB的空间用做/home挂载点(主要我感觉/根挂载节点像系统盘，所以分配的是固态，而/home挂载点像非系统盘，所以分配的是机械)

博主分区秉承一个原则，能多分就多分，所以和UP主的分配不同(根据自己实际情况来)。具体如下：

分区	大小
引导区	5GB(5,120MB)
内存交换分区	40GB(40,960MB)
/根挂载节点	205GB(209,920MB)
/home挂载节点	500GB(512,000MB)

1.3 GPT分区安装Ubuntu

博主是微星主板(F11按键进入启动选项)，按键盘的Delete按键进入BIOS，在BIOS中修改两个地方，一个是将修改启动项目让U盘作为启动项，一个是关闭安全引导

• 在BIOS的主界面中，有一个Boot Priority，可以看到有一个USB和一个硬盘图标是亮着的，将亮着的USB拖到最前面即可
• 可以参考UP主硬件茶谈的WIN10系统安装教程，将U盘作为启动项
• 在BIOS的主界面中，有一个SETTINGS，点击进去，选择安全，选择安全启动，禁止。(BIOS中的安全引导一定要关闭，不然后续下卡驱动无法安装)
• 退出保存更改即可

1.4 系统完成后的一些设置

启动菜单的默认项

博主并没有选择设置

时间同步

打开一个终端，执行如下指令：

sudo apt install ntpdate
sudo ntpdate time.windows.com
sudo hwclock --localtime --systohc

1.5 遇到的一些小bug

在博主使用的过程中主要存在两个bug

bug1：Ubuntu重启后无法进入到grud的选择界面，直接进到Ubuntu界面，但是关机再开机可以

解决方案：在Ubuntu中打开grub，将Timeout时间修改为20，具体指令如下：

sudo gedit /etc/default/grub

将第8行的GRUB_TIMEOUT修改为20

GRUB_TIMEOUT=20

保存并退出，更新配置，指令如下：

sudo update-grub

重启后即可进入到grub界面

bug2：Ubuntu重启后分辨率偶尔会变得非常小，图标变得非常大

解决方案：未解决，只能通过重启

2. 换源

参考自Ubuntu配置apt安装源为清华源、Linux下配置pip为国内清华源

描述：安装软件时最好先进行换源，确保后续软件在下载过程中不会存在网络问题，apt换源博主是直接在Ubuntu的设置中完成的，也可以按照上面的方式进行修改，配置流程按照上文走没有问题，下面简单过一遍

2.1 apt换源

点击系统中的设置(Settings)，点击最下面的关于(About)，点击Software Updates

在第一栏Ubuntu Software页面中，前四个main，universe，restricted，multiverse都打勾上，找到Download from，选择=>Others=>China=>mirrors.aliyun.com(阿里源)或者mirrors.tuna.tsinghua.edu.cn(清华源)，点击确认，输入自己的密码，完成。

换源成功后打开终端，执行如下语句：

cat /etc/apt/sources.list

在终端上会打印apt的源，可以看到原始的Ubutnu的源会被替换成之前选择的阿里源或者清华源

2.2 pip换源

首先打开终端使用小写的ll查看所有隐藏文件夹和文件，看是否存在**.pip**文件夹，如果没有，则使用下面命令创建：

mkdir .pip
cd .pip/

然后通过vim pip.conf创建配置文件，指令如下：

sudo vim pip.conf

添加如下内容(这里添加清华源，其他的也可以)

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

最后Esc,:wq保存并退出，结束配置

3. 显卡驱动安装

参考自：拯救者Y9000K2021H在ubuntu18.04安装显卡驱动、Ubuntu卸载Nvidia驱动和安装最新驱动

描述：显卡驱动安装主要参考文章1，流程按照上面走没有问题，博主显卡为RTX3060，切记在安装显卡驱动的时候要在BIOS中将安全启动关闭，具体操作可看1.3小节内容

3.1 卸载显卡驱动

进行该步目的是防止系统中已经存在旧版本的驱动，或者存在没有完全安装成功的驱动。

在终端输入如下指令：

sudo apt-get purge nvidia*

3.2 准备工作

点击系统中的设置(Settings)，点击最下面的关于(About)，点击Software Updates

• 在第一栏Ubuntu Software页面中，前四个main，universe，restricted，multiverse都打上勾，找到Download from，选择=>Others=>China=>mirrors.aliyun.com，点击确认，输入自己的密码，完成。(该步主要是换源，和之前的apt换源一致)
• 在第二栏Other Software页面中，将Canonical Partners勾选上
• 在第三栏Updates页面中，将Automatic check for updates修改为Never

3.3 驱动安装

本次采用的方式是使用图形驱动程序PPA存储库完成NVIDIA驱动程序的快捷安装工作。

1.将ppa存储库添加到当前系统当中，指令如下：

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

2.更新软件列表，指令如下：

sudo apt-get update

3.查看检测到的驱动程序，指令如下，推荐下载带有recommended标志的驱动

sudo ubuntu-drivers devices

4.根据第3步检测到的驱动，选择一个合适的版本号(博主选择的是510)，安装指令如下：

sudo apt install nvidia-driver-510

执行完成之后执行命令sudo reboot重启

3.4 验证

重新启动之后在命令输入nvidia-smi，如果出现对应的驱动版本和CUDA版本说明安装成功。

同时可以点击设置(Settings)，点击最下面的关于(About)，查看下Graphics这一栏是否已经变为NVIDIA Corporation，如果是，代表安装全部完成。

4. VScode安装

描述：Ubuntu20.04安装VScode较简单，按照下面步骤来就行

4.1 安装包下载

去官网选择Ubuntu的.deb包下载即可，外网下载慢，需要代理，大家可以在Windows下面通过代理下载好后传到Ubuntu下面。

VScode官网下载链接：https://code.visualstudio.com/Download

先cd到安装包路径下，然后进行安装即可，指令如下：

cd Downloads
sudo apt get install ./code_1.77.3-1681292746_amd64.deb
sudo dpkg -i ./code_1.77.3-1681292746_amd64.deb

4.2 插件下载

大家根据自己的需求来就行，下面是博主下载的一些插件

• Chinese(Simplified)：中文简体
• python：Python语言扩展
• C/C++：C/C++语言扩展
• Remote Development：远程SSH
• vscode-cudacpp：CUDA扩展
• CMake Tools：CMakeLists.txt扩展

4.3 常用设置

通过Ctrl+鼠标滚动改变字体大小

打开设置 => 输入"editor.mouseWheelZoom" => 勾选上

5. 百度网盘安装

描述：经常需要将Windows和Ubuntu的文档相互传递，通过U盘有时候不方便，还是选择安装个百度网盘，安装流程较简单，按照下面的步骤就行

去官网选择Linux的.deb包下载即可

百度网盘官网下载链接：https://pan.baidu.com/download#linux

先cd到安装包路径下，然后进行安装即可，指令如下：

cd Downloads
sudo dpkg -i ./baidunetdisk_4.17.7_amd64.deb

6. Google Chrome安装

参考自如何在 Ubuntu 20.04 上安装 Google Chrome 网络浏览器

描述：博主习惯使用Chrome浏览器，有时候可以打开一些关闭的标签页，有时可以收藏一些标签等比较方便的功能，安装流程按上面的文章走即可，下面简单过一遍

6.1 安装包下载

进入官网，点击下载Chrome，选择64位.deb(适用于Debian/Ubuntu)

Google Chrome官网下载链接：https://www.google.cn/intl/zh-CN/chrome/

先cd到安装包路径下，然后进行安装即可，指令如下：

sudo apt install ./google-chrome-stable_current_amd64.deb

6.2 常用设置

Chrome标签页设置

添加的标签页并没有在菜单栏中显示，可根据下面的方法修改

点击右上角的三个点，选择Booksarks，点击Show bookmarks bars即可

搜索引擎选择设置

每次搜索的时候，默认使用Google搜索引擎，由于没有代理，所以无法使用，修改为bing，修改方法如下

点击右上角的三个点，选择Settings，选择Search engine，将Google选项修改为Bing

简体中文设置

未解决

博主尝试选择Settings中的Languages，在Preferred languages中Add languages添加简体中文，并Move to the top，然而并不管用

7. 截图工具安装

参考自snipaste替代品 & Linux截图解决方案-截图、贴图工具Flameshot

描述：在记录问题时经常需要截图，而Windows的截图贴图神器snipaste在Linux下并不支持，所以找了一个替代品Flameshot，安装流程可按照上面的文章走，下面简单介绍下

7.1 安装

Ubuntu下安装非常简单，打开终端执行如下指令：

sudo apt install flameshot

7.2 配置

在Show Application中找到flameshot，点击图标打开(打开后右上角会出现对应小图标)，点击小图标，选择Configuration配置，大家按照上文的说明和自己喜好自行配置即可。

博主在General选项中，关闭了show help message帮助信息并打开了Launch at startup开机自启动选项。

7.3 设置快捷方式

将截图局部快捷键设置为ctrl+alt+a

在Settings => Keyboard Shorcuts中，点击最下方的加号，添加Custom Shortcus(自定义快捷键)

• 1.快捷键名词(Name)：自定义即可

• 2.命令(Command)：如下，–path后面跟的是保存的截图路径

  flameshot gui --path /home/jarvis/Pictures/Screenshots
  

• 3.快捷键(Shortcut)：将局部截图快捷键设置为ctrl+alt+a

8. Typora安装

参考自Linux免费安装Typora

描述：经常需要记录一些问题，非常喜欢Typora这款Markdown编辑器，可以选择去官网下载最新版本并购买激活，博主这里使用的是老版本免费的Typora，够用了，安装流程按照上文走就行，这里主要介绍下主题和个人的一些设置

8.1 vim安装

vim安装指令如下：

sudo apt-get update

sudo apt-get install vim

8.2 Typora安装

将安装包下载好后，cd到安装包目录下进行安装，指令如下：

cd Downloads
tar xzvf Typora-linux-x64.tar.gz 
cd bin
sudo cp -ar Typora-linux-x64 /opt
cd /opt/Typora-linux-x64/
#启动
./Typora

为了在任意位置启动，我们设置下环境变量

sudo vim ~/.bashrc

打开.bashrc配置文件，添加：

#Typora环境变量
export PATH=$PATH:/opt/Typora-linux-x64

source一下，让配置生效

source ~/.bashrc

OK了，可以在任意位置启动typora

./Typora

添加桌面快捷方式

cd /usr/share/applications
sudo vim typora.desktop

添加以下内容：

[Desktop Entry]
Name=Typora
Comment=Typora
Exec=/opt/Typora-linux-x64/Typora
Icon=/opt/Typora-linux-x64/resources/app/asserts/icon/icon_256x256.png
Terminal=false
Type=Application
Categories=Developer;

重启电脑就ok了

右键打开

sudo gedit ~/.config/mimeapps.list

添加如下内容：

text/markdown=typora.desktop

8.3 偏好设置

有一些设置可以根据个人习惯调整

• 1.语言设置
  • File(文件) => Preference(偏好设置) => General(通用) => Language(语言) => 简体中文
  • 重启Typora
• 2.状态栏显示
  • 文件 => 外观 => 状态栏 => 显示状态栏(勾选上)
  • 文件 => 外观 => 侧边栏 => 侧边栏的大纲视图允许折叠和展开(勾选上)
• 3.拼写检查
  • 文件 => 编辑器 => 拼写检查 => 不使用拼写检查
• 4.Markdown
  • 文件 => Markdown => Markdown 扩展语法(全勾选上)
  • 文件 => Markdown => 代码块 => 显示行号(勾选上)
  • 重启Typora

8.4 主题

下载

主题下载自https://github.com/liangjingkanji/DrakeTyporaTheme

主题使用

• 通过文件 => 偏好设置 => 外观 => 主题 => 打开主题文件夹 打开theme目录

• 下载好的压缩包解压后将目录内的所有文件复制到theme目录

• 重启Typora，选择菜单栏 => 主题即可

字体大小设置

• 通过文件 => 偏好设置 => 外观 => 主题 => 打开主题文件夹 打开theme目录
• 在theme目录中找到drake文件夹下的font.css用于配置自定义字体
• 在font.css最后有字体大小、行间距等配置，根据自己喜好设置即可
• 博主在这里将–text-size大小 由12px修改为18px
• 重启Typora

9. Pycharm安装

参考自ubuntu20.04安装Pycharm2021

描述：Pycharm安装较简单，按照上文的步骤就行

9.1 安装包下载

进入Pycharm官网下载Linux版本社区版本的.tar.gz压缩包

Pyacharm官网下载链接：https://www.jetbrains.com/pycharm/download/#section=linux

先cd进入到安装包目录，先解压，指令如下：

cd Downloads
tar -xzf pycharm-community-2023.1.tar.gz

创建文件夹

sudo mkdir /opt/pycharm

移动文件夹

cd download
sudo mv pycharm-community-2023.1.tar.gz /opt/pycharm

安装

sh /opt/pycharm/pycharm-community-2023.1.tar.gz/bin/pycharm.sh

将I confirm that I have read and ...勾选上，点击continue即可

创建桌面图标

点击右下角的设置，点击Create Desktop Entry创建桌面图标

10. Anaconda安装

参考自从零开始搭建深度学习环境：CUDA+Pyotrch+Anaconda+VScode

描述：Anaconda安装较简单，按照上面视频的步骤就行，下面简单过一遍

10.1 安装包下载

进入Anaconda官网下载Linux版本社区版本的.sh文件

Anaconda官网下载链接：https://www.anaconda.com/products/distribution#Downloads

首先cd到安装包目录下，然后安装，指令如下：

cd Downloads
bash Anaconda3-2023.03-Linux-x86_64.sh

添加环境变量

sudo gedit ~/.bashrc

末尾添加(xxx修改为你的用户名)

export PATH="/home/xxx/anaconda3/bin:$PATH"

source

source ~/.bashrc

10.2 首次激活环境遇到的问题

但你执行conda activate base会出现如下错误：

CommandNotFoundError: Your shell has not been properly configured to use 'conda activate'.
To initialize your shell, run

    $ conda init <SHELL_NAME>

Currently supported shells are:
  - bash
  - fish
  - tcsh
  - xonsh
  - zsh
  - powershell

See 'conda init --help' for more information and options.

IMPORTANT: You may need to close and restart your shell after running 'conda init'.

原因在于当前使用的shell没有配置好conda activate

需要先使用conda init shell初始化，然后就可以正常使用了，如下所示：

conda init shell

关闭终端重新打开即可

10.3 conda常用指令

conda info --envs					// 查看当前环境
conda create -n myenv python=3.7	// 创建新环境
conda activate myenv				// 激活环境
conda clean -a						// 清除无用包
pip list							// 查看已安装的包(只有当前虚拟环境的包)
conda list							// 查看已安装的包(除了当前虚拟环境下的，还有关联环境的包)
pip install numpy					// 安装numpy
python								// 检查安装的numpy
>>> import numpy as np

11. Netron安装

参考自如何在Linux上快速使用Netron模型可视化工具

描述：经常需要查看ONNX网络结构，安装非常简单，使用有点麻烦

去Github下载对应的Linux版本，后缀为.AppImage文件

GitHub链接：https://github.com/lutzroeder/netron

将下载好的AppImage文件赋予权限并直接运行

chmod a+x Netron-5.5.3.AppImage
./Netron-5.5.3.AppImage

它并不能像Windows一样直接点开ONNX模型，必须先进入对应的目录在终端执行./Netron-5.5.3.AppImage，然后将对应的ONNX模型直接拖过来就行。

12. 编译OpenCV4.6.0

参考自Ubuntu 20.04搭建OpenCV 4.5.0 & C++环境、Ubuntu 安装 OpenCV 4.5.5、关于安装opencv编译报错：runtime library * hidden by 等若干问题、cmake编译出错hidden by files

描述：注意！！！如果你在编译opencv之前安装了annaconda，请先看问题解决(与Anaconda冲突)，除了上述冲突问题之外，没有其他问题，按照上文的操作即可。博主主要参考上文1中的opencv安装(即前3项)以及上文2中的opencv环境配置和验证。下面简单过一遍整个编译流程

12.1 安装依赖项

1.安装g++，cmake，make，wget，unzip，若已安装，此步跳过

sudo apt install g++
sudo apt install cmake
sudo apt install make
sudo apt install wget unzip

2.安装opencv依赖的库

sudo apt-get install build-essential libgtk2.0-dev libgtk-3-dev libavcodec-dev libavformat-dev libjpeg-dev libswscale-dev libtiff5-dev

3.安装一些可选的库

# python3支持（首次安装了python的库，但make报错了，之后删了这两个库，若不使用python，建议不安装）
sudo apt install python3-dev python3-numpy
# streamer支持
sudo apt install libgstreamer-plugins-base1.0-dev libgstreamer1.0-dev
# 可选的依赖
sudo apt install libpng-dev libopenexr-dev libtiff-dev libwebp-dev

12.2 下载OpenCV 4.6.0源文件

可以在官网下载相应版本的OpenCV，主要有Source和GitHub两种方式下载

1.Source：https://opencv.org/releases/

点击Source进行下载，外网访问慢，可在Windows下通过代理下载后传到Linux；也可通过我一开始提供的下载链接进行下载

2.Github下载方式：

# 安装4.6.0版本
wget -O opencv.zip https://github.com/opencv/opencv/archive/4.6.0.zip
# 安装最新版本
wget -O opencv.zip https://github.com/opencv/opencv/archive/master.zip

下载完成后，解压到主目录，将解压后的文件重命名为opencv

12.3 Cmake配置和编译OpenCV

1.在主目录下打开终端

2.进入到下载好的opencv目录，新建并进入目录build

cd opencv
mkdir build
cd build

3.使用cmake配置opencv

cmake -D CMAKE_BUILD_TYPE=Release -D OPENCV_GENERATE_PKGCONFIG=YES ..

4.用make进行编译

make -j24

5.用make安装

sudo make install

默认安装路径如下：

• /usr/local/bin - executable files
• /usr/local/bin - libraries (.so)
• /usr/local/cmake/opencv4 - cmake package
• /usr/local/include/opencv4 - headers
• /usr/local/share/opencv4 - other files (e.g. trained cascades in XML format)

12.4 环境配置

动态库配置

sudo gedit /etc/ld.so.conf.d/opencv.conf

添加

/usr/local/lib

保存后，终端内执行

sudo ldconfig 

更新PKG_CONFIG_PATH

sudo gedit /etc/bash.bashrc

文末添加

PKG_CONFIG_PATH=$PKG_CONFIG_PATH:/usr/local/lib/pkgconfig
export PKG_CONFIG_PATH

保存后，终端执行

source /etc/bash.bashrc
sudo updatedb

若出现sudo: updatedb: command not found，执行 sudo apt install mlocate 后再次操作即可。

12.5 验证

pkg-config

在终端输入如下指令，会显示对应的opencv版本4.6.0

pkg-config --modversion opencv4

程序验证，代码如下

test.cpp

#include 
#include 
#include 
#include 

using namespace cv;
using namespace std;

/**
 * 读写与显示
 * @return
 */
int main() {
    cout << CV_VERSION << endl;
    Mat src = cv::imread("test.png", IMREAD_GRAYSCALE);
    if (src.empty()) {
        cout << "Could not load image\n" << endl;
        return -1;
    }
    namedWindow("gray", WINDOW_AUTOSIZE);
    imshow("gray", src);
    waitKey(0);

    return 0;
}

CMakeLists.txt

cmake_minimum_required(VERSION 3.16)
project(test)
find_package(OpenCV REQUIRED)
add_executable(test test.cpp)
target_link_libraries(test ${OpenCV_LIBS})

编译运行

cmake .
make
./test

运行后屏幕会显示目录下test.png的灰度图像

12.6 问题解决(与Anaconda冲突)

特别注意！！！在安装完成anaconda之后再编译opencv时，cmake后会出现如下提示信息，导致最终编译不通过

错误信息如下：

CMake Warning at cmake/OpenCVUtils.cmake:1547 (add_library):
  Cannot generate a safe runtime search path for target opencv_imgcodecs
  because files in some directories may conflict with libraries in implicit
  directories:

    runtime library [libpng16.so.16] in /usr/lib/x86_64-linux-gnu may be hidden by files in:
      /home/jarvis/anaconda3/lib
    runtime library [libz.so.1] in /usr/lib/x86_64-linux-gnu may be hidden by files in:
      /home/jarvis/anaconda3/lib
    runtime library [libtiff.so.5] in /usr/lib/x86_64-linux-gnu may be hidden by files in:
      /home/jarvis/anaconda3/lib

问题分析：安装anaconda的时候造成了之前的编译的库重新编译的时候，报.so文件被隐藏的问题，这是cmake在找库时的算法问题

问题解决：将anaconda/lib修改为anaconda/lib_bk，在opencv中重新创建build并cmake，等待opencv编译完成之后，再改回来即可

切记！！！在编译完opencv后，将anaconda/lib_bk重新修改为lib

13. CUDA安装

参考自linux安装tensorflow，cuda，cudnn安装，pytorch兼容，RTX30系列GPU兼容cuda

描述：本来想体验下kiwi一键安装CUDA+cuDNN+TensorRT的，但现在还处于内测阶段，还未公测，等kiwi公测吧，只能先自己来了。CUDA的安装按照上面视频的操作来就行，没有问题，下面简单过一遍流程。切记！！！CUDA的安装依赖于显卡驱动的安装，请务必安装完显卡驱动后再来安装CUDA

13.1 准备工作

首先确定我们要安装的CUDA版本，它是根据你的驱动程序版本来安装的，打开终端输入如下指令：

cat /proc/driver/nvidia/version
# 或者
nvidia-smi

通过上面两种方法都可以获取nvidia-driver的版本，如下图所示，博主的驱动程序版本是510.108.03，记住这个数字，后续会用到

我们知道了驱动版本后就需要确认CUDA下载的版本了，查看CUDA版本与驱动版本对应关系见下面的链接(查看表3即可)：

https://docs.nvidia.com/cuda/cuda-toolkit-release-notes/index.html

下面是表3的部分截图，左边一列是CUDA版本，后面两列分别对应Linux下和Windows下驱动版本的要求，GA = General Availability，通用版本，指软件的通用版本(可以理解为稳定版本吧)，后续我们就安装GA版本，那么怎么查看自己要下载的CUDA版本呢？看对应的驱动要求就像，比如说在下面的红色框内就是我想要下载的CUDA版本，即CUDA 11.6 GA，驱动版本要求大于等于510.39.01，而我的驱动版本之前提到过是510.108.03，显然是满足要求的。根据表中来看，我还可以选择CUDA 11.5GA、CUDA 11.4等CUDA版本，因为我的驱动版本是满足要求的。具体选择那个根据个人情况来就行。

13.2 CUDA下载

确认了CUDA下载的版本后我们就可以去NVIDIA官网进行下载了，博主需要下载的是CUDA 11.6 GA，

NVIDIA官网CUDA下载链接：https://developer.nvidia.com/cuda-toolkit-archive

打开上面的链接后，会出现如下的界面，点击你想要下载的CUDA Toolkit就行，比如博主想要下载CUDA 11.6 GA，点击下面红色框中的CUDA Toolkit 11.6.0即可。(为什么点击11.6.0而不是其它的11.6版本呢？其实大家可以从上面的版本对应图可知CUDA 11.6 Update 2对应CUDA Toolkit 11.6.2；CUDA 11.6 Update1对应CUDA Toolkit 11.6.1；CUDA 11.6 GA对应CUDA Toolkit 11.6.0)

点进去之后选择目标平台，如下图所示，博主这里选择Linux系统、x86_64架构、Ubuntu、20.04版本、runfile(local)安装方式

选择完成后通过wget后面的地址就可以下载了，建议将网址复制到浏览器中下载，访问的是外网，下载慢，最好是开代理

13.3 CUDA安装

首先检查下前面下载的安装包，看下安装包名，博主下载的安装包名为cuda_11.6.0_510.39.01_linux.run，首先看11.6.0是CUDA版本没有问题，其次看510.39.01是要求的驱动最小版本也没有问题，最后是linux即安装的系统也没有问题，检查完毕后下面我们开始安装工作‍

首先cd到安装包所在目录，执行如下指令：

sudo sh cuda_11.6.0_510.39.01_linux.run

输入密码后等待一段时间，出现下图，键盘按键上下移动，Enter按键选择确认，我们选择Continue

选择完成后跳转到如下界面，在最下面输入accept

之后跳转到如下界面，选择你想要安装的选项，

我们只考虑安装CUDA Toolkit 11.6，其他均取消(空格键取消)，最后的界面如下，选择到Install，确认(等待终端一段时间，这个时候终端没有任何显示，不要关闭！！！)

最后出现如下界面，表示安装成功

安装完成之后的路径：

• /usr/local/cuda-11.6：Toolkit
• /usr/local/cuda-11.6/include：头文件
• /usr/local/cuda-11.6/lib64：库文件

13.4 配置环境变量

CUDA安装完成之后需要添加一下环境变量，输入如下指令打开配置文件：

sudo gedit ~/.bashrc

在最末尾添加如下内容(将CUDA版本替换成你自己的)

export PATH=/usr/local/cuda-11.6/bin${PATH:+:${PATH}}
export LD_LIBRARY_PATH=/usr/local/cuda-11.6/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}

点击保存退出，然后刷新一下

source ~/.bashrc

13.5 验证

环境变量配置完成后，在终端输入如下指令，有对应的输出代表安装成功：

nvcc --version

13.6 小结

CUDA的安装流程其实并不复杂，难点在于两个步骤，一是通过你的显卡驱动找到对应的CUDA版本，二是能否将外网的CUDA安装包顺利下载下来(需要代理)

14. cuDNN安装

参考自linux安装tensorflow，cuda，cudnn安装，pytorch兼容，RTX30系列GPU兼容cuda

描述：本来想体验下kiwi一键安装CUDA+cuDNN+TensorRT的，但现在还处于内测阶段，还未公测，等kiwi公测吧，只能先自己来了。cuDNN的安装按照上面视频的操作来就行，没有问题，下面简单过一遍流程。切记！！！cuDNN的安装依赖于CUDA的安装，请务必安装完CUDA后再来安装cuDNN

14.1 cuDNN下载

cuDNN的版本选择是根据CUDA版本来的，在前面CUDA的安装中，我们选择的是CUDA 11.6.0版本，依据此我们来安装cuDNN

NVIDIA官网cuDNN下载链接：https://developer.nvidia.com/rdp/cudnn-archive

打开上面的链接，会出现如下的界面(可能需要登陆，可以先注册一个NVIDIA账号，也不麻烦)

根据你的CUDA版本选择对应的cuDNN即可，CUDA 11.x代表CUDA11版本的都支持，博主这里选择的是Download cuDNN v8.4.0 (April 1st, 2022), for CUDA 11.x，如下所示，点击之后选择对应的平台安装包下载就行，如下面红色框所示，选择的是Linux，Ubuntu，x86_64的Tar安装包

注意！！！访问的是外网，下载慢，最好是开代理

14.2 cuDNN安装

首先检查下前面下载的安装包，看下安装包名，博主下载的安装包名为cudnn-linux-x86_64-8.4.0.27_cuda11.6-archive.tar.xz，首先看linux-x86_64即安装的系统没有问题，其次看cuda11.6是依赖的cuda版本也没有问题，检查完毕后下面我们开始安装工作‍

首先cd到安装包所在目录，进行解压，执行如下指令：

tar -xf cudnn-linux-x86_64-8.4.0.27_cuda11.6-archive.tar.xz

等待解压完成，解压完成之后在目录下有一个cudnn-linux-x86_64-8.4.0.27_cuda11.6-archive文件夹，这个文件夹中又包含include和lib两个文件夹，分别代表cuDNN头文件和cuDNN库文件。

cuDNN非常简单，就是将这两个文件中的所有内容复制到CUDA对应的文件夹中，我们来看下接下来的操作

首先输入如下指令，打开一个超级窗口(直接复制权限不够)：

sudo nautilus

• 在超级窗口中找到之前安装好的CUDA路径，在/usr/local/cuda-11.6
• 将cudnn解压包中include文件全部复制到/usr/local/cuda-11.6/include中
• 将cudnn解压包中lib文件全部复制到/usr/local/cuda-11.6/lib64中

至此，cuDNN的安装完毕

14.3 小结

cuDNN的安装流程其实并不复杂，其实都不能称之为安装，就是根据CUDA版本找到对应的cuDNN版本，下载后把其头文件和库文件复制到对应CUDA目录即可。难点在于两个步骤，一是通过你的CUDA版本找到对应的cuDNN版本，二是能否将外网的cuDNN安装包顺利下载下来(需要代理)

15. TensorRT安装

参考自Linux安装TensorRT、Ubuntu20.04安装TensorRT

描述：描述：本来想体验下kiwi一键安装CUDA+cuDNN+TensorRT的，但现在还处于内测阶段，还未公测，等kiwi公测吧，只能先自己来了。TensorRT的安装按照上面视频的操作来就行，没有问题，下面简单过一遍流程。切记！！！TensorRT安装的版本依赖于CUDA和cuDNN的版本，请先确认下CUDA和cuDNN版本

15.1 TensorRT下载

TensorRT的版本是根据CUDA版本和cuDNN版本来的，在前面的CUDA的安装中，我们选择的是CUDA 11.6.0版本，依据此来安装TensorRT

NVIDIA官网TensorRT下载链接：https://developer.nvidia.com/nvidia-tensorrt-8x-download

打开上面的链接，会出现如下的界面(需要登陆，可以先注册一个NVIDIA账号，也不麻烦，可能需要开代理)

登陆完成之后，可以看到下面的界面，点击**I Agree To the Terms of the …**即下面的红色框，就可以显示各种TensorRT版本(其中GA版本=>稳定版本 EA版本=>测试版本)，

点开之后就是对应TensorRT版本的各种形式的安装包(包名有提示适合的对应的CUDA版本)，比如博主选择的是TensorRT 8.4 GA，选择的是x86_64架构，系统是Linux操作系统，下载形式选择压缩包形式(即TAR Package)下载，适用于CUDA 11.6版本，即TensorRT 8.4 GA for Linux x86_64 and CUDA 11.0, 11.1, 11.2, 11.3, 11.4, 11.5, 11.6 and 11.7 TAR Package，如下面的红色框所示。

注意！！！访问的是外网，下载慢，最好是开代理

15.2 TensorRT安装

首先检查下前面下载的安装包，看下安装包名，博主下载的安装包为TensorRT-8.4.1.5.Linux.x86_64-gnu.cuda-11.6.cudnn8.4.tar.gz，首先看Linux.x86_64即安装的系统没有问题，其次看cuda-11.6是依赖的cuda版本也没有问题，最后看cudnn8.4是依赖的cudnn版本也没有问题，检查完毕后下面我们开始安装工作‍

首先cd到安装包所在目录，进行解压，执行如下指令：

tar zxf TensorRT-8.4.1.5.Linux.x86_64-gnu.cuda-11.6.cudnn8.4.tar.gz

等待解压完成。解压完成之后在目录下有一个TensorRT-8.4.1.5的文件夹

可以移动该文件夹存放在自己想放的目录下(也可以重命名)，如：

mv TensorRT-8.4.1.5 /opt

至此，TensorRT安装完成

15.3 配置环境变量

TensorRT安装完成之后需要添加一下环境变量，输入如下指令打开配置文件：

sudo gedit ~/.bashrc

在最末尾添加如下内容(将TensorRT版本替换成你自己的)

export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/opt/TensorRT-8.4.1.5/lib${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}
export PATH=/opt/TensorRT-8.4.1.5/bin${PATH:+:${PATH}}

点击保存退出，然后刷新一下

source ~/.bashrc

15.4 验证

测试代码：/opt/TensorRT-8.4.1.5/samples/sampleMNIST

在安装的tensorRT目录下samples文件夹下用sampleMNIST示例测试

首先进入该文件夹

cd /opt/TensorRT-8.4.1.5/samples/sampleMNIST

编译

make

如下图所示

编译成功后执行如下指令会有对应的结果输出：

./../../bin/sample_mnist

15.5 小结

TensorRT的安装流程其实并不复杂，其实都不能称之为安装，就是根据CUDA版本找到对应的TensorRT版本，下载后添加下环境变量即可。难点在于两个步骤，一是通过你的CUDA版本找到对应的TensorRT版本，二是是否能将外网的TensorRT安装包顺利下载下来(需要代理)

16. 编译protobuf

参考自Linux下编译protobuf、Linux下添加protobuf的环境变量

描述：由于要经常使用到tensorRT_Pro这个repo，因此需要编译特定版本的protobuf-3.11.4，编译流程看我下面的即可

16.1 安装

首先获取压缩包，通过我提供的软件安装包下载链接，里面就有protobuf-3.11.4

解压

先cd到安装包路径，然后解压，指令如下：

unzip protobuf-3.11.4.zip

编译

cd protobuf-3.11.4/cmake
cmake . -Dprotobuf_BUILD_TESTS=OFF
cmake --build .

耐心等待编译完成(需要一段时间)

创建安装目录

我们先要创建一个文件用于存放安装后的protobuf的头文件和库文件，我们选择在/home目录下创建一个protobuf文件，指令如下：

mkdir protobuf

安装

安装的位置选择上面创建的protobuf路径即可，指令如下：

make install DESTDIR=/home/jarvis/protobuf

注意：编译完成后的protobuf文件夹下仅仅只有一个user一个文件夹，需要将编译好的protobuf/user/local下的bin、include、lib文件夹复制到protobuf当前文件夹下，方便后续tensorRT_Pro项目的CMakeLists.txt的指定。

16.2 环境变量的配置

首先打开配置文件，指令如下：

sudo vim /etc/profile

添加如下内容保存并退出(注意路径修改为自己的路径)

export PATH=$PATH:/home/jarvis/protobuf/bin
export PKG_CONFIG_PATH=/home/jarvis/probobuf/lib/pkgconfig

source生效

source /etc/profile

配置动态路径

sudo vim /etc/ld.so.conf

追加如下内容(注意路径修改为自己的路径)

/home/jarvis/protobuf/lib

验证

protoc --version输出对应版本信息说明安装成功

17. Pytorch安装

参考自Ubuntu20.04深度学习环境：CUDA+Pyotrch+Anaconda+VScode、Pytorch-gpu安装教程

描述：本次介绍pytorch-gpu版本安装，在安装GPU版本的pytorch之前，请先确保你安装了显卡驱动，安装GPU版本的Pytorch只需要你拥有一张显卡和对应的显卡驱动即可。切记！！！Pytorch的安装依赖于显卡驱动和Anaconda的安装，请务必安装完显卡驱动和Anaconda后再来安装Pytorch

17.1 介绍

首先我们来明确一个概念，那就是安装GPU版本pytorch之前需不需要安装cuda和cudnn呢？，答案是不需要。以下内容copy自一文搞懂PyTorch与CUDA那些事

许多同学误以为Pytorch和Tensorflow一样，运行时需要本机环境内的CUDA和cuDNN支持，但其实在一台没有安装CUDA的环境中按照官网的指南安装PyTorch也是可以正常在GPU上运行的。

安装GPU版本的PyTorch版本号尾部会出现cuxxx的字样，也就是说，PyTorch在安装时会自动安装所需的CUDA运行库，用户只需要保持PyTorch版本（包含其内部的CUDA版本）、Nvidia驱动版本和GPU型号相匹配。

CUDA版本与驱动版本对应关系见下面的链接(查看表3即可)：

https://docs.nvidia.com/cuda/cuda-toolkit-release-notes/index.html

通常情况下，只要驱动满足要求，并且PyTorch官方有预编译相应的CUDA版本，直接安装对应版本的PyTorch即可。

注意：安培（Ampere）架构GPU(GeForce RTX 30系列显卡，例如RTX3060)只支持CUDA11.0即以上版本，PyTorch官方只有1.7及以上版本才有预编译CUDA11，因此建议使用安培架构GPU的同学使用PyTorch1.7及以上版本

17.2 准备工作

首先确认下安装的Pytorch版本及其指令。先要查看显卡驱动版本和其对应的CUDA版本，第13节有详细流程，这里不再赘述，博主的显卡驱动为510.108.03，CUDA版本最高支持CUDA 11.6，因此我安装的GPU版本的Pytorch中的CUDA运行库大于11.0且小于等于11.6都可以。

因此去Pytorch官网：https://pytorch.org/ 找一个适合我的版本，我选择从历史版本中寻找，如下图所示：

根据我的CUDA版本限制，我找到了一个torch版本为v1.12.0，其pip安装指令如下：

pip install torch==1.12.0+cu116 torchvision==0.13.0+cu116 torchaudio==0.12.0 --extra-index-url https://download.pytorch.org/whl/cu116

pytorch的版本确定了，那对于python版本有没有要求呢？其实是有的，比如说你的torch-1.12.0+cu116就不能安装在python3.6下，具体可查看torch的各种whl文件

torch和对应python版本查看链接：https://download.pytorch.org/whl/torch/

点击上面的链接，你就可以看到所有的torch安装包，注意！！！我们并不是要下载安装，我们只是来确认下torch-1.12.0+cu116对应的python版本，点击键盘上的ctrl+f输入cu116就可以找到对应CUDA11.6版本的torch了，如下图所示：

其中cu116就是对应CUDA-11.6，cp-38-cp-38就是对应python-3.8版本，因此，从上图的红色框中可知，torch-1.12.0+cu116可以安装的python版本为3.7/3.8/3.9/3.10均可，大家根据自己的实际情况来进行选择

17.3 安装

1.创建虚拟环境

conda create -n yolov8 python=3.8

其中，yolov8为虚拟环境名，可以自己设置，python版本如果不指定默认安装最新的，而在之前的分析中，我们知道了后续的torch-1.12.0+cu116的安装对应的python版本为3.7/3.8/3.9/3.10，因此我们指定创建的虚拟环境的python版本为3.8

2.切换到新建虚拟环境下

conda activate yolov8

3.查看对应的pip源

pip config list

确保pip安装的源是清华源或阿里云的源，可以查看2.2小节的pip换源，也可以在每次pip install软件的时候加上-i https://pypi.tuna.tsinghua.edu.cn/simple，不过这样比较麻烦，博主输入pip coinfig list后的输出如下

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

4.输入选择的安装命令

pip install torch==1.12.0+cu116 torchvision==0.13.0+cu116 torchaudio==0.12.0 --extra-index-url https://download.pytorch.org/whl/cu116

安装包很大，耐心等待安装完成即可，如下图所示

特别注意！！！如果安装失败，则可以将创建的虚拟环境完全移除，重新在pytorch官网选择一个合适的torch安装指令，按照上面步骤重新来过，移除指令如下：

conda activate base
conda remove -n pytorch-gpu --all

17.4 验证

1.激活虚拟环境

conda activate yolov8

2.进入python环境

python

3.导入torch

import torch
torch.cuda.is_available()

输出为True，说明安装成功，如下图所示：