主机配置：
CPU：AMD Ryzen 9 3900X
主板：技嘉（GIGABYTE）X570 AORUS PRO WIFI
内存：金士顿(Kingston) fury系列 DDR4 2400 32GB(16G×2)套装 x2
SSD：西部数据 sn750 1TB SSD
硬盘：西部数据 红盘 4TB SATA6Gb/s 64M
散热：猫头鹰 NH-D15 CPU散热器
显卡：七彩虹 iGame GeForce RTX 2080 Ti Advanced OC
电源：美商海盗船 (USCORSAIR) 额定750W RM750x
机箱：安钛克(Antec)P110静音 1mm钢板12.8kg大空间/ATX-MATX-ITX主板
操作系统： ubuntu-18.04.3-desktop-amd64
准备一个空白u盘，在win10系统下直接打开iso文件，将里面的文件全部复制到u盘中
【第1个坑】：
一开始u盘格式化成NTFS格式的，启动后出现错误
解决办法：重新将u盘格式化为FAT32格式
启动机器，按F12进入boot选项，选择uefi启动u盘，出现安装界面，开始安装。。。
中间省略
直到分区设置，选择手动分区，进行分区，分区参考如下：
其中swap部分根据内存大小改为64GB
【第2个坑】
选择现在安装，出现错误：“ No EFI System Partition was found...”
原因是缺少一个efi分区
解决办法：新增一个efi分区，大小设为500MB
继续安装。。。
安装完成，选择重启
【第3个坑】
出现黑屏，显示：“ please remove installation media and close the tray (if any) then press ENTER”
拔掉u盘后按回车键毫无反应
解决办法：重启一次，顺利进入桌面
进入桌面后，开始配置，此时没有网络连接。
【第4个坑】
由于路由器不在机器附近，没有办法通过有线连接，查看wifi提示：“未发现WIFI适配器”，wifi也暂时用不了
解决办法：自己的pc连接wifi，再通过以太网口共享网络给这台新服务器
“设置”——“网络和Internet”——“更改适配器选项”——“WLAN”——“右键属性”——“共享”——勾选“允许其他网络用户通过此计算机的Internet连接来连接”——“以太网”
成功连接网络。
更改镜像源，选择阿里云或者清华的镜像源
【第5个坑】
查看附加驱动，发现网卡驱动仍然是空白。。。
到技嘉官网查看此款主板的网卡驱动，发现只有windows系统的。。。
先查看自己的当前网卡：
lspci -nnk | grep -iA2 net
可以看到Network controller以及Ethernet controller，分别是无线网卡和有线网卡
其中无线网卡写着“Intel Corporation Device [8086:2723] (rev 1a)”，表明无线网卡的型号
搜索该型号，发现一个帖子说更新kernel版本可以解决
查看当前kernel版本：“uname -r”，显示“5.0.0-23-generic”，尝试更新kernel到最新的5.3.13版本
参考如下博文 ： 更新Ubuntu内核
更新后重启， 发现wifi可以用了！
但是房间内信号有点差，装上信号放大器，网速终于达到正常水平。。
ps：实际上面那个无线网卡型号并没有什么卵用，这块主板真正的无线网卡型号是intel ax200，驱动在支持英特尔®无线适配器的 Linux *里面第二个，安装方式：更新内核并安装无线网卡驱动
【第6个坑】
挂载机械硬盘(4TB)
由于超过2TB，所以不能用MBR，应该用GPT。
解决方法：参考Ubuntu 16.04通过GPT挂载硬盘
最后一步挂载点 在根目录下新建一个common文件夹，挂载到这里 /common，在其中为每个用户创建一个文件夹，用于放置大文件到硬盘中
【第7个坑】
4种方式安装显卡GTX2080Ti的驱动
选择方式3：PPA仓库进行自动化安装
步骤如下
sudo add-apt-repository ppa:graphics-drivers/ppa
sudo apt-get update
ubuntu-drivers devices # 查看推荐的型号，这里显示推荐440
sudo apt install nvidia-driver-440 # 或者 sudo ubuntu-drivers autoinstall
下载过程好慢。。
重启
nvidia-smi #查看显卡信息
有相应显卡提示则成功安装。
安装CUDA
安装过程中选择需要安装的内容时，将驱动driver去掉，不要安装显卡驱动
安装结束后重启
查看cuda版本
cat /usr/local/cuda/version.txt
显示 CUDA Version 10.2.89
安装CUDNN
需要注册账号
选择对应cuda版本的
下载后的文件后缀为solitairetheme8，先转为tgz
用户管理
给root用户设密码
sudo passwd root
切换root用户
su - root：以root身份登录
su root：与root建立一个连接，通过root执行命令。
区别是su目录还是原先用户目录，su - root后目录就变为root用户的主目录。
创建用户，分配账号
sudo adduser db
password for xx:
两次输入db的初始密码，出现的信息如下
passwd: password updated successfully
Changing the user information for db
Enter the new value, or press ENTER for the default
Full Name []:
Room Number []:
Work Phone []:
Home Phone []:
Other []:
Full Name []:
等信息一路回车
这个信息是否正确？ [Y/n] y
如果用户需要root权限，则执行命令：
root@ubuntu:~# sudo vim /etc/sudoers
修改文件如下：
# User privilege specification
root ALL=(ALL) ALL
username ALL=(ALL) ALL
保存退出，username用户就拥有了root权限。
为每个用户建立如下文件夹
关于文件权限、用户群组的参考
配置远程连接：ssh方式
1.首先设置静态ip，右上角网络连接，编辑，保存
2.安装ssh服务端
sudo apt install openssh-server
sudo ps -e | grep ssh 查看ssh是否启动
有 sshd 说明ssh服务已经启动。
如果没有 执行
sudo service ssh start
默认端口22若需要修改，执行
sudo gedit /etc/ssh/sshd_config #（可视化编辑器）
修改Port即可
3.远程连接测试，找一台安装了ssh的机器
cmder自带ssh 或者通过其他的软件 推荐 MobaXterm
ssh 用户名@192.168.xxx.xxx
输入pwd
连接成功
4.查看当前登录的用户：who 或 last username
安装Anaconda
ps: ubuntu18.04自带python3 不带python2
官网下载Anaconda3：Anaconda3-2019.10-Linux-x86_64.sh
执行 sudo bash Anaconda3-2019.10-Linux-x86_64.sh
首先是阅读许可申明，可以一直按Enter键，然后问是否同意许可，输入yes，接着问Anaconda安装的路径
注意：安装路径手动指定为 /usr/local/anaconda3， 这样所有用户都能够使用conda的环境
在linux下安装第三方多用户共享使用的软件一般都安装在 /usr/local 目录下
安装完成后，重新启动终端
安装完后在 /etc/profile 文件中配置 环境变量（对所有用户有效），在 /etc/profile 文件末尾加入下面命令
export PATH=/usr/local/anaconda3/bin:$PATH
修改完这个文件执行 source /etc/profile 在不用重启系统的情况下使修改的内容生效
用户从终端激活想要的环境：
source activate xxx-env
conda --version # 显示出版本
which python # 显示出anaconda自带的python位置
conda info -e # 查看当前环境
关闭conda自动激活base环境
conda config --set auto_activate_base false
更换conda镜像源
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --set show_channel_urls yes
sudo gedit .condarc 文件，删除里面的 defaults，这样能快点
更改anaconda文件权限，否则无法进行conda update
sudo chmod -R 777 anaconda3
conda命令集合
1、查看已安装的包：conda list
2、显示所有的虚拟环境：conda info -e （或conda env list）
3、创建新的虚拟环境：conda create -n env_name python=python_version
4、删除虚拟环境：conda remove -n env_name --all
5、激活虚拟环境：conda activate env_name
6、退出虚拟环境：conda deactivate
7、复制虚拟环境：conda create -n env_name –clone clone_env_name
9、删除虚拟环境：conda remove -n env_name –all
10、安装模块包：
查找某个包 conda search package_name
在某个虚拟环境下直接安装包：conda install package_name
安装包到指定虚拟环境中去：conda install -n env_name package_name
11、移除（卸载uninstall）模块包：
在某个虚拟环境下移除该环境的包：conda remove package_name
移除指定虚拟环境中的包：conda remove -n env_name package_name
注意: 如果是通过pip安装的包,移除时也请使用 pip uninstall package_name 命令移除,如果使用 conda remove 可能会发生异常,导致conda不可用
12、更新：
conda更新：conda update conda
anaconda更新：conda update anaconda
更新某个包：conda update package_name
更新所有包：conda update --all
更新python至最新版本：conda update python
13、conda瘦身：
conda clean -p //删除没有用的包
conda clean -t //tar打包，将conda保存下来的tar包
conda 卸载
配置Juypter
Jupyter Notebook 是一个 Web 应用程序，可以让我们创建和共享包含实时代码，方程，可视化和说明文本的文档。 用途包括：数据清理和转换，数值模拟，统计建模，机器学习等等。
简单来说 Jupyter Notebook 是 Ipython 的升级版，而 Ipython 可以说是一个加强版的交互式 Shell，也就是说，Jupyter 比 Ipython 在 terminal 里运行 python 会更方便，界面更友好，功能也更强大。
conda中安装一个公用环境
python = 3.7
tensorflow-gpu=1.14.0
keras = 2.2.4
创建多个用户共享使用的 tensorflow 环境，要在 root 用户下创建环境。如果在普通用户下创建，那只有该用户可以使用环境。在root用户下输入以下命令创建python3.7环境：
conda create -n common_tf python=3.7
安装 tensorflow-gpu 与 keras
ps: conda环境使用 conda install 导包，效果同 pip install，即导入的包只在当前环境中
conda install tensorflow-gpu=1.14.0
conda install keras=2.2.4
配置TFF环境
- 创建conda环境并激活
conda create -n tf_0.8.0 python=3.7
conda activate tf_0.8.0
- 使用pip直接安装，注意要改为国内源
https://pypi.org/project/tf-nightly/1.15.0.dev20190805/
https://pypi.org/project/tensorflow-federated/0.8.0/
pip install tf-nightly==1.15.0.dev20190805 -i https://mirrors.aliyun.com/pypi/simple/
pip install tensorflow-federated==0.8.0 -i https://mirrors.aliyun.com/pypi/simple/
安装成功！
测试
python -c "import tensorflow_federated as tff; print(tff.federated_computation(lambda: 'Hello World')())"
报错。。。ModuleNotFoundError: No module named 'tensorflow_estimator.contrib
新建一个conda环境，尝试 安装最新版
pip install tensorflow-federated -i https://mirrors.aliyun.com/pypi/simple/
会自动将安装最新版tff-0.11.0版本以及tf-2.0.0版本
再次测试
python -c "import tensorflow_federated as tff; print(tff.federated_computation(lambda: 'Hello World')())"
成功输出helloworld
pycharm使用服务器conda环境远程调试
参考来源
pycharm访问远程服务器终端
点击“Tools”->“Start SSH session...”，选择对应服务器即可。
从终端启动pycharm：
cd到pycharm位置中的bin文件夹，执行 ./pycharm.sh 即可启动
普通用户启动可以会出现代码运行读写权限不够问题，前面加sudo来启动
自定义charm启动脚本：“Tools”->“Create Command-Line Launcher...”
安装git
参考git安装和使用clone方法