最后安装启动引导器的设备，选择带有Windows Boot Manager的windows引导efi分区，这样，就可以在windows引导分区下存放一个ubuntu的引导。

来源：CSDN 
原文：https://blog.csdn.net/u013052326/article/details/81545449 
版权声明：本文为博主原创文章，转载请附上博文链接！

）我只挂载了/ 和/home 分别48g，380g 因为unbuntu18版本其他分区都可以不要了

这一步非常重要！非常重要！非常重要！，这一步关系到  Ubuntu系统是否会覆盖掉自带的win10系统  ，也关系到  双系统能否安装成功  ，安装到   Installation type  这一步时，一定要慢慢来，选择   Something else  ,然后再点击   Continue ,(此处点击  Contiue 一定要慎重，并不是如某些教程所说的  一顿  Continue 狂点，狂点  Continue 造成的个人损失 本人概不负责），第一次安装一定要严格，慢慢的按照步骤来操作

，下面的挂载分区介绍 仅供参考，想了解看一下，具体操作过程如下图所示：

挂载第一个分区， 挂载分区 / :

​

下一步，在弹出来的界面，分配  挂载分区 / 大小：

​ ​ ​

上面那三个图我自己安装的情况。

​

第一个挂载分区 / ，完成，点击 OK

下一步，挂载分区 /home :

下一步，设置 挂载分区 /home 大小：

​

挂载分区 /home 完毕，点击 OK, 还不能安装！！！

下一步，选择 将 Boot 安装在 Windows boot Manager 中：

​

下一步

​

下一步

​

下一步

​

下一步

​

下一步，进入 安装界面：

​

备注：挂载分区介绍：

1、swap交换空间，这个也就是虚拟内存的地方，选择主分区和空间起始位置。如果你给Ubuntu系统分区容量足够的话，最好是能给到你物理内存的2倍大小，像我8GB内存，就可以给个16GB的空间给它，这个看个人使用情况，太小也不好，太大也没用。（其实我只给了8GB，没什么问题），其实也可以不设置，如果内存足够大，没必要设置

2、boot 一定记住，不要单独/boot划分区;是的不要，不然就完蛋了，结果就是只能进一个系统，因为这里是EFI引导替代boot的grub;也请放心efi分区不会不够用，linux内核不在efi分区而在/boot，在你挂载分区，你会发现也是没有 Boot 的 挂载选项的，新教程这一项不需要了！

在安装和分区界面，看到最下面一个，安装启动器到，换成你的EFI分区，一般有windows boot manager 等标识，就是 /dev/sda1 EFI 这样的（不分配Boot的具体原因参照此贴：http://forum.ubuntu.org.cn/viewtopic.php?p=3200137）

3、挂载“/home”，类型为EXT4日志文件系统，选中逻辑分区和空间起始位置，这个相当于你的个人文件夹，类似Windows里的User，如果你是个娱乐向的用户，我建议最好能分配稍微大点，因为你的图片、视频、下载内容基本都在这里面，这些东西可不像在Win上面你想移动就能移动的。 
总的来说，最好不要低于32GB ，我Ubuntu分区的总大小是150GB ，这里我给了110GB 给home。

（这里特别提醒一下，Ubuntu最新发行版不建议强制获取Root权限，因为我已经玩崩过一次。所以你以后很多文档、图片、包括免安装软件等资源不得不直接放在home分支下面。你作为图形界面用户，只对home分支有完全的读写执行权限，其余分支例如usr你只能在终端使用sudo命令来操作文件，不利于存放一些直接解压使用的免安装软件。因此，建议home分支多分配一点空间……）

4、挂载“/usr”，类型为EXT4日志文件系统，选中逻辑分区和空间起始位置，这个相当于你的软件安装位置，Linux下一般来说安装第三方软件你是没办法更改安装目录的，系统都会统一地安装到/usr目录下面，因此你就知道了，这个分区必须要大

5、最后，挂载“/”，类型为EXT4日志文件系统，选中逻辑分区和空间起始位置， 
因为除了home和usr还有很多别的目录，但那些都不是最重要的，“/”就把除了之前你挂载的home和usr外的全部杂项囊括了，大小也不要太小，最好不低于8GB。如果你非要挨个仔细分配空间，那么你需要知道这些各个分区的含义（Linux(ubuntu)分区挂载点介绍）

不过就算你把所有目录都自定义分配了空间也必须要给“/”挂载点分配一定的空间 。

4、 安装完成 ，重启电脑，默认 Ubuntu 是第一启动项， 重启电脑不能启动 Ubuntu

​

如果启动后报错：BUG soft Lockup,关于这个错误参照下面链接：https://blog.csdn.net/xrinosvip/article/details/80447139

5、纯英文论文看不懂，翻译软件来帮忙，支持整篇PDF或Word上传，翻译高效准确，首次注册送翻译积分，用于翻译论文：翻译狗

6、Ubuntu 下使用Linux命令简单总结：https://blog.csdn.net/xrinosvip/article/details/80894728

7、Win10 和Ubuntu 启动引导向管理软件解决办法：https://blog.csdn.net/xrinosvip/article/details/80994450

二、ubuntu18.04设置代理上网 

通过设置代理环境变量：

　　　　1,临时设置：在终端中输入命令export http_proxy=http://usr:pwd@proxy_addr:proxy_port/

　　　　2,永久设置：在~/.bashrc或/etc/profile等启动文件中添加export http_proxy=http://usr:pwd@proxy_addr:proxy_port/

sudo gedit /etc/profile

sudo gedit ~/.bashrc

分别执行上面两个语句，打开文件输入下面两行内容：保存

export http_proxy=http://guo:1023@172.23.19.183:808/

 export https_proxy=https://guo:1023@172.23.19.183:808/

执行source语句，后就可以代理上网了。 @后面网址是代理服务器的网址和端口，在ccproxy中可以看到端口；@前面是本地用户名和密码，冒号分割。

　经测试，使用环境变量设置代理，仅root用户可以联网。猜测应该是sudo权限的问题。

　注意：在系统设置中设置代理的原理就是设置代理变量，所以系统设置会覆盖掉此变量，重新启动终端生效。

注意：putty客户端不能使用gedit命令，因为不支持图形窗口。

三、用putty 连接 ubuntu 解决中文乱码

Ubuntu 电脑上需要安装 openssh-server : 
sudo apt-get install openssh-server 
由于默认Ubuntu采用UTF-8的字符集，所以putty需要做一些设置：

点击左边的 Windows -> Appearance 设置 Font settings ,点击 Change... 按钮选择为 仿宋体 或者 新宋体。

点击左边的 Windows -> Translation 设置 Character set translation 为 UTF-8

然后，点击 Open 连接服务器即可。

四、WinSCP连接服务器时中文显示乱码解决办法

1.WinSCP连接服务器时“文件名UTF-8编码（U）”选择开启

​

2.登录成功后,选择选项菜单下的选项

​

3.将编辑器下的选择字体里的字体选择为宋体，中文乱码就没有了

​

五、ssh远程连接的开启：

ssh–secure shell，提供安全的远程登录。从事嵌入式开发搭建linux开发环境中，ssh的服务的安装是其中必不可少的一步。ssh方便一个开发小组中人员登录一台服务器，从事代码的编写、编译、运行。方便代码的共享及管理。ssh是一种安全协议，主要用于给远程登录会话数据进行加密，保证数据传输的安全。

0. SSH分客户端openssh-client和openssh-server

如果你只是想登陆别的机器的SSH只需要安装openssh-client（ubuntu有默认安装，如果没有则sudo apt-get install openssh-client），如果要使本机开放SSH服务就需要安装openssh-server。

1. 查看当前的ubuntu是否安装了ssh-server服务。默认只安装ssh-client服务。

dpkg -l | grep ssh

​

2. 安装ssh-server服务

sudo apt-get install openssh-server

​
再次查看安装的服务：

dpkg -l | grep ssh

​
然后确认ssh-server是否启动了：

ps -e | grep ssh

​
如果看到sshd那说明ssh-server已经启动了。
如果没有则可以这样启动：sudo /etc/init.d/ssh start或sudo service ssh start
配置相关：
ssh-server配置文件位于/etc/ssh/sshd_config，在这里可以定义SSH的服务端口，默认端口是22，你可以自己定义成其他端口号，如222。（或把配置文件中的”PermitRootLogin without-password”加一个”#”号,把它注释掉，再增加一句”PermitRootLogin yes”）
然后重启SSH服务：
sudo /etc/init.d/ssh stop
sudo /etc/init.d/ssh start

3. 登陆SSH（Linux）

ssh username@192.168.1.103
其中，username为192.168.1.103机器上的用户，需要输入密码。
断开连接：exit

4. 测试

（1）服务器：192.168.1.103(jackgao用户)
​
（2）客户端：192.168.1.104(root用户)
​
（3）客户端远程ssh登录服务器
​
（4）退出远程登录
​

另外，如果安装了ssh服务，windows下可以使用xshell或者putty链接这台ubuntu了（但是每次都得输入用户名和密码，即使xshell可以存储用户名和密码但是登陆速度很慢。所以可以使用公共密钥的登陆方式来提高速度和安全性。参考链接：ubuntu SSH配置 以及 与xshell文件传输http://blog.sina.com.cn/s/blog_53683dc20102v3wz.html）

参考链接及相关：
1. ubuntu开启SSH服务
http://www.cnblogs.com/xiazh/archive/2010/08/13/1798844.html
2. Ubuntu 14.04远程登录服务器–ssh的安装和配置
http://jingyan.baidu.com/article/9c69d48fb9fd7b13c8024e6b.html
3. ubuntu14.04 ssh的安装及使用方法
http://jingyan.baidu.com/article/0eb457e52e50ad03f1a90518.html
4. ubuntu16.04安装 + xshell连接虚拟机
http://blog.csdn.net/chi_wawa/article/details/52467914
5. ubuntu SSH配置 以及 与xshell文件传输
http://blog.sina.com.cn/s/blog_53683dc20102v3wz.html
6. ssh远程登录命令简单实例
http://www.2cto.com/os/201307/228495.html
7. 菜鸟Linux系列：[4]SSH免密码登陆远程服务器
http://jingyan.baidu.com/article/2fb0ba4043124a00f2ec5f0f.html
8. linux下ssh远程登录服务器入门操作
http://www.cnblogs.com/plwang1990/p/5279451.html

六、ubuntu16.04卸载NVIDIA驱动方法（如果全新安装系统，本步骤不用）

2018年06月24日 15:54:04 Mr_Yoky 阅读数：6129

1.ctrl+alt+f1 进入控制台，同时进行登录，输入sudo service lightdm stop

2.卸载驱动sudo apt-get purge nvidia*，这个可以卸载，但有时候也会卸载不了，如果执行这句话之后再输入nvidia-smi，仍然有Nvidia的驱动信息，则说明没有卸载成功，此时用这句话sh ./nvidia.run --uninstall   ，其中nvidia.run代表是安装驱动时的.run文件，然后根据提示进行操作就行。我的.run文件是NVIDIA-Linux-x86_64-384.111.run。

3、由于之前安装cudnn 时候给gcc降级了，需要恢复到7.3

我当时没有做成功。直接卸载 gcc 和g++

sudo apt-get auto-remove gcc

sudo apt-get auto-remove g++

236  ls -l g++*

237  ls -l gcc*

重新安装：自动安装7.3版本。

238  sudo apt-get install gcc

239  sudo apt-get install g++

240  ls -l gcc*

241  ls -l g++*

3.执行完后，输入sudo service lightdm start，然后输入sudo reboot，如果有出现

The system is running in low-graphics mode，则ctrl+alt+f1 进入控制台，下面的操作参考我的另外一篇文章https://blog.csdn.net/WILLIAMMMS/article/details/80786553。

How to install the NVIDIA drivers on Ubuntu 18.04 Bionic Beaver Linux

Lubos Rendek

Ubuntu 18.04

30 April 2018

The objective is to install the NVIDIA drivers on Ubuntu 18.04 Bionic Beaver Linux. This article will discuss three methods of Nvidia driver installation in the following order:

• Automatic Install using standard Ubuntu Repository
• Automatic Install using PPA repository to install Nvidia Beta drivers
• Manual Install using the Official nvidia.com driver

七、安装显卡驱动

1、先决条件

检查自己电脑的gpu是否CUDA-capable

cyg@cyg-ThinkPad-T450:~$ lspci | grep -i nvidia
    04:00.0 3D controller: NVIDIA Corporation GM108M [GeForce 940M] (rev a2)

禁用nouveau

cyg@cyg-ThinkPad-T450:~$ lsmod | grep nouveau

如果有输出说明nouveau正在加载

打开禁用列表

cyg@cyg-ThinkPad-T450:~$ sudo gedit /etc/modprobe.d/blacklist.conf

在打开文本的最后一行添加：

blacklist vga16fb
blacklist nouveau
blacklist rivafb
blacklist nvidiafb
blacklist rivatv

执行以下命令来禁止内核中nouveau

cyg@cyg-ThinkPad-T450:~$ sudo echo options nouveau modeset=0 | sudo tee -a /etc/modprobe.d/nouveau-kms.conf

更新，重启

cyg@cyg-ThinkPad-T450:~$ sudo update-initramfs -u

cyg@cyg-ThinkPad-T450:~$ sudo reboot

再次查看是否禁用nouveau

cyg@cyg-ThinkPad-T450:~$ lsmod | grep nouveau

以上步骤可能是Ubuntu18.04的非必要操作，如果是单显卡主机，禁用nouveau驱动重启后可能会导致无法进入Ubuntu图像界面，可以按Ctrl+Alt+F3，Ubuntu18.04好像是F3，16.04是F1进入文本编辑界面安装NVIDI显卡驱动，可以参考这篇文章进行相应的设置。

实际上，博主在执行完以上步骤后，并没有重启电脑，直接执行以下操作，替换为英伟达驱动即完成了显卡的更新。

核心的为黑色斜体显示的步骤

Installed NVIDIA drivers on Ubuntu 18.04 Bionic Beaver. After installation, optionally run Nvidia graphic card test by following our Benchmark Your Graphics Card On Linux guide.

Software Requirements and Conventions Used

Automatic Install using standard Ubuntu Repository

The first method is the easiest to perform and in most cases it is the recommended approach.

1. First, detect the model of your nvidia graphic card and the recommended driver. To do so execute:

显示的版本有点低，cuda10需要410以上显卡驱动，怎么办呢？更新rep，按下面操作走 Install using PPA repository to install Nvidia Beta drivers

From the above output we can conclude that the current system has NVIDIA GeForce GTX 680graphic card installed and the recommend driver to install is nvidia-384.

1. If you agree with the recommendation feel free to use ubuntu-drivers command again to install all recommended drivers:

Alternatively, install desired driver selectively using the apt command. For example:

$ sudo apt install nvidia-340

1. Once the installation is concluded, reboot your system and you are done.

Automatic Install using PPA repository to install Nvidia Beta drivers

Using graphics-drivers PPA repository allows us to install bleeding edge Nvidia beta drivers at the risk of unstable system.

1. To proceed first add the ppa:graphics-drivers/ppa repository into your system:

$ sudo apt update

1. Next, identify your graphic card model and recommended driver:

1. Same as with the above standard Ubuntu repository example, either install all recommended drivers automatically:
2. 我能看到最新的415 推荐安装

or selectively using the apt command. Example:

$ sudo apt install nvidia-410

1. Once done, reboot your system.  完成后重启系统，即可成功。

Manual Install using the Official Nvidia.com driver

1. Identify your NVIDIA VGA card.The below commands will allow you to identify your Nvidia card model:

1. Download the Official Nvidia Driver. Using your web browser navigate to the official Nvidiawebsite and download an appropriate driver for your Nvidia graphic card. Save the file into your home directory. Example:

1. Install Prerequisites. The following prerequisites are required to compile and install Nvidia driver:

1. Next step is to disable the default nouveau Nvidia driver. Follow this guide on how to disable the default Nouveau Nvidia driver.
2. Make sure you reboot your system before you proceed to the next step.
3. In order to install new Nvidia driver we need to stop the current display server. The easiest way to do this is to change into runlevel 3 using the telinit command. After executing the following linux command the display server will stop, therefore make sure you save all your current work ( if any ) before you proceed:

Hit CTRL+ALT+F1 and login with your username and password to open a new TTY1 session.

1. To start installation of Nvidia driver execute the following linux command and follow the wizard:

You now need to Accept License and follow the wizard to completed the installation. You man also be asked questions like:

The distribution-provided pre-install script failed!

Are you sure you want to continue? -> CONTINUE INSTALLATION

Would you like to run the nvidia-xconfig utility? -> YES 

The Nvidia driver is now installed.

1. Reboot your system:

1. Configure NVIDIA X Server Settings. After reboot you should be able to start NVIDIA X Server Settings app from the Activities menu.

Appendix

Error message:

WARNING: Unable to find suitable destination to install 32-bit compatibility libraries

Depending on your needs, this can be safely ignored. However, if you wish to install steam game platform this issue cannot be ignored. To resolve execute:

$ sudo dpkg --add-architecture i386

$ sudo apt update

$ sudo apt install libc6:i386

and re-run the nvidia driver installation.

ARE YOU LOOKING FOR A LINUX JOB?
Submit your RESUME or create a JOB ALERT on LinuxCareers.com job portal.

DO YOU NEED ADDITIONAL HELP?
Get extra help by visiting our LINUX FORUM or simply use comments below.

• How to disable Nouveau nvidia driver on Ubuntu 18.04 Bionic Beaver Linux
• How to install PlayOnLinux on Ubuntu 18.04 Bionic Beaver Linux
• How to install Steam on Ubuntu 18.04 Bionic Beaver Linux
• How to install Discord on Ubuntu 18.04 Bionic Beaver Linux

八、cuda10和cudnn7.4的安装

安装cuda cudnn 先下载对应支持的版本 18.04支持 cuda10，我下载最新的.run

安装cuda

执行如下命令

授权：chmod u+rw cuda_10.0.130_410.48_linux.run

   sudo sh cuda_10.0.130_410.48_linux.run

然后会出现很多需要选择的，全部选择Y，其他的的就是直接回车键默认。这个时候会自动安装最新并且最合适的显卡驱动(建议选no)。

下面很关键：

安装完毕后，如果提示安装不完全，有问题，需要执行如下过程：

再声明一下环境变量，并将其写入到 ~/.bashrc 的尾部:

sudo gedit ~/.bashrc

尾部添加：

export PATH=/usr/local/cuda-10.0/bin${PATH:+:${PATH}}

export LD_LIBRARY_PATH=/usr/local/cuda-10.0/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}

然后设置环境变量和动态链接库，在命令行输入：

sudo gedit /etc/profile

在打开的文件末尾加入：

export PATH=/usr/local/cuda/bin:$PATH

export  LD_LIBRARY_PATH=/usr/local/cuda-10.0/lib64$LD_LIBRARY_PATH

保存之后，创建链接文件：

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

在打开的文件中添加如下语句：

/usr/local/cuda/lib64

然后执行：

sudo ldconfig

使链接立即生效。

https://www.cnblogs.com/xiaojianliu/p/9292686.html(参考）

安装cudnn7.4.2

.在官网下载

https://developer.nvidia.com/rdp/cudnn-download#a-collapse42-10

要下载四个文件

cuDNN v7.4.2 Library for Linux

cuDNN v7.4.2 Runtime Library for Ubuntu18.04 (Deb)

cuDNN v7.4.2 Developer Library for Ubuntu18.04 (Deb)

cuDNN v7.4.2 Code Samples and User Guide for Ubuntu18.04 (Deb)

三.进入到文件下载目录里，比如download

在终端输入 （一定要按照顺序安装不然会出错）

tar -xzvf cudnn-10.0-linux-x64-v7.4.2.24.tgz

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*

安装其余的包

sudo dpkg -i libcudnn7_7.4.2.24-1+cuda10.0_amd64.deb

sudo dpkg -i libcudnn7-dev_7.4.2.24-1+cuda10.0_amd64.deb

sudo dpkg -i libcudnn7-doc_7.4.2.24-1+cuda10.0_amd64.deb

2.验证cudnn 是否安装成功

cp -r /usr/src/cudnn_samples_v7/ $HOME

cd $HOME/cudnn_samples_v7/mnistCUDNN

make clean && make

./mnistCUDNN

当输出是：

 Result of classification: 1 3 5

 Test passed!

 说明cudnn安装成功！

如果出现错误说 ，出现未知error 或者abocing hp ::73 等错误 卸载cuda 重装 就不会有错！

ubuntu18.04 卸载CUDA10 CUDNN

卸载

sudo apt-get --purge remove cuda-repo-ubuntu1804-10-0-local-10.0.130-410.48

sudo apt-get --purge remove cuda-*-10-0

https://developer.nvidia.com/cuda-toolkit-archive 历史版本

九、安装ananconda+tensorflow

定位到文件路径，先授权，然后安装

sudo chmod u+rw Anaconda3-2018.12-Linux-x86_64.sh

 sudo sh ./ Anaconda3-2018.12-Linux-x86_64.sh

使用Anaconda管理多个版本的Python环境:
假设你已安装anaconda环境则往下进行操作，否则去安装该环境

1、查看系统当前已有的Python环境，执行命令：conda info --envs
发现现在环境只有anaconda自带的python2.7环境
可以使python -V常看python版本信息
conda env list 
2、我想添加一个Python3.5的环境，
执行命令：conda create --name python35 python=3.5

source activate python35

conda create --name python27 python=2.7

source activate python27

命令中我制定了环境名称是Python35，指定了Python版本是3.5，执行命令后，
Conda 会自动下载最新版的Python3.5，并自动部署
3、再次查看当前系统已有的Python环境，执行命令：conda info --envs，从图中我们看
到，这里多了一个名字为Python35的Python环境
4、切换Python环境到刚才新添加的Python35，执行命令：source activate python35，然后执行命令：python --version，查看是否切换成功

括号里面操作，在ubuntu18.04 cuda10 cudnn7.4下失败。（安装TensorFlow

从：https://mirrors.tuna.tsinghua.edu.cn/help/tensorflow/ 网站选择对应的安装版本。速度比较快，目前只支持tensorflow1.5.0最高版 python2.7对应的。

输入网址：最好是google浏览器 https://mirrors.tuna.tsinghua.edu.cn/help/查找tensorflow,点开链接，然后选择对应的系统及版本，复制下面的语句，命令行执行：比如 

pip install \

  -i https://pypi.tuna.tsinghua.edu.cn/simple/ \

https://mirrors.tuna.tsinghua.edu.cn/tensorflow/linux/gpu/tensorflow_gpu-1.5.0-cp27-none-linux_x86_64.whl

进入python

import tensorflow 实验一下，如果没有出错，说明成功了。）

环境创建完成之后，source activate激活环境。这里又有一个坑，我一开始是用pip安装TensorFlow的，即直接用了清华镜像.然而导入tensorflow的时候报错，说需要cuda9.0。。。。傻眼ing

于是又去骚扰百度。。。。。小哥哥很快给了正解，说需要用conda安装就不会报错！又一次刷新三观，学到新知识。万能的淘宝啊。

注意之前要先把conda换成清华镜像啊，不然下载慢到你怀疑人生。具体方法为：

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

然后运行指令（运行前先配置镜像channel，否则很慢）

conda install tensorflow-gpu=1.5.0  python3.5对应的

conda install tensorflow-gpu=0.12.0  python27对应的

短暂的等待后，就完成安装了。接着用spyder的用户注意了，需要重装下spyder才能调用tensorflow

conda install spyder

至此，基于RTX2080的GPU版tensorflow终于完成了。

缺少库的宝宝们，都到清华镜像pip安装去找啊 https://mirror.tuna.tsinghua.edu.cn/help/pypi/

5、在Python35环境下，完成工作后，切回原来的Python环境，执行命令：source deactivate Python35
6、如果刚才添加的Python27环境，不再使用，可通过执行命令：conda remove --name python27 --all，或 conda remove -n python35 --all 进行删除

注意：某虚拟环境下使用pip安装某模块如果找不到，可能该版本不支持该库；或者指定的镜像通道没有，可以尝试conda install安装，但安装的时候一定要注意安装提示信息，是否会更新虚拟环境的python版本。比如PIL的在python3.5安装，会把版本下降到python2.7，导致原来的虚拟环境变化。这是一定要注意的。

Anaconda安装与使用链接: https://blog.csdn.net/qq_31610789/article/details/80646276

清华镜像源download link: https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/

十、Ubuntu 卸载 anaconda

如果需要卸载anaconda，执行如下过程：

1. 进入安装 Anaconda 目录，用下面这个命令 
   sudo rm -r anaconda3 即可删除文件夹。

sudo rm -rf ~/.condarc

sudo rm -rf  ~/.conda

sudo rm -rf  ~/.continuum

1. 更新路径。输入命令 
   gedit ~/.bashrc 
   注释掉或者删除“ export PATH=/home/usr/anaconda3/bin:$PATH ”，保存文档。 
   输入命令 
   source ~/.bashrc 关闭当前终端.

十一、pycharm安装

安装Pycharm专业破解版

我下载的是pycharm-professional-2018.1.4，破解补丁是JetbrainsCrack-2.8-release-enc.jar，找不到的童鞋可以留言，我发给你。

破解如下：

解压缩pycharm-professional-2018.1.4并放在Home下，将JetbrainsCrack-2.8-release-enc.jar也复制到Home下。
    在pycharm的bin目录下找到pycharm.vmoptions和pycharm64.vmoptions，用gedit打开，均在末尾加

-javaagent:/home/guo/[pycharm-2018.2.4/]JetbrainsCrack-3.1-release-enc.jar (注意破解文件路径放哪里了）
    在bin目录运行命令sh ./pycharm.sh,选择激活码激活，输入一下激活码：

ThisCrackLicenseId-{

"licenseId":"11011",

"licenseeName":"微信公众号",

"assigneeName":"裸睡的猪",

"assigneeEmail":"1113449881@qq.com",

"licenseRestriction":"",

"checkConcurrentUse":false,

"products":[

{"code":"II","paidUpTo":"2099-12-31"},

{"code":"DM","paidUpTo":"2099-12-31"},

{"code":"AC","paidUpTo":"2099-12-31"},

{"code":"RS0","paidUpTo":"2099-12-31"},

{"code":"WS","paidUpTo":"2099-12-31"},

{"code":"DPN","paidUpTo":"2099-12-31"},

{"code":"RC","paidUpTo":"2099-12-31"},

{"code":"PS","paidUpTo":"2099-12-31"},

{"code":"DC","paidUpTo":"2099-12-31"},

{"code":"RM","paidUpTo":"2099-12-31"},

{"code":"CL","paidUpTo":"2099-12-31"},

{"code":"PC","paidUpTo":"2099-12-31"}

],

"hash":"2911276/0",

"gracePeriodDays":7,

"autoProlongated":false}

到期时间为2099年，基本为永久啦。这里参考了博客，在此感谢：

https://blog.csdn.net/u014044812/article/details/78727496。、

十二、安装Keras

1、创建一个环境,指定python版本

$ conda create -n tf python=3.6

2、激活创建的tf环境：

$ conda activate tf 或者 $ source activate tf

在该环境下安装tensorflow-gpu及keras框架：

$ conda install tensorflow-gpu keras

4、查看安装是否成功

$ python
>>import keras
  import tensorflow

5、安装其他所需要的库

$ conda install pillow
$ conda install matplotlib
$ conda install scikit-learn
$ conda install graphviz pydot

6、退出该环境

$ conda deactivate  或者  source deactivate

7、移除tf环境

$ conda remove -n tf --all

8、查看GPU运行状况

$ watch -n 0 nvidia-smi  
---------------------  
作者：背包客w  
来源：CSDN  
原文：https://blog.csdn.net/weixin_39954229/article/details/79961172  
版权声明：本文为博主原创文章，转载请附上博文链接！

十三、安装jupyter

pi3 install jupyter
jupyter notebook --generate-config

jupyter notebook

十四、安装pytorch-cpu

conda install pytorch torchvision cuda100 -c pytorch

cuda10下安装命令

老版本：

https://pytorch.org/get-started/previous-versions/

最新版本：

https://pytorch.org/

 conda install pytorch-cpu=0.4.1 torchvision-cpu -c pytorch  无gpu版本安装，指定版本号

torchvision

INSTALLING PREVIOUS VERSIONS OF PYTORCH

We’d prefer you install the latest version, but old binaries and installation instructions are provided below for your convenience.

Via conda

This should be used for most previous macOS version installs.

To install a previous version of PyTorch via Anaconda or Miniconda, replace “0.4.1” in the following commands with the desired version (i.e., “0.2.0”).

Installing with CUDA 9

conda install pytorch=0.4.1 cuda90 -c pytorch

or

conda install pytorch=0.4.1 cuda92 -c pytorch

Installing with CUDA 8

conda install pytorch=0.4.1 cuda80 -c pytorch

Installing with CUDA 7.5

conda install pytorch=0.4.1 cuda75 -c pytorch

Installing without CUDA

conda install pytorch=0.4.1 -c pytorch

From source

It is possible to checkout an older version of PyTorch and build it. You can list tags in PyTorch git repository with git tag and checkout a particular one (replace ‘0.1.9’ with the desired version) with

git checkout v0.1.9

Follow the install from source instructions in the README.md of the PyTorch checkout.

Via pip

Download the whl file with the desired version from the list below, and run

pip install /path/to/whl/file

You can also directly pass a URL to pip:

pip install https://download.pytorch.org/whl/cu80/torch-0.4.1-cp36-cp36m-linux_x86_64.whl

If you want no CUDA support, the URL would be something like https://download.pytorch.org/whl/cpu/torch-0.4.1-cp36-cp36m-linux_x86_64.whl

There are seven major lists below: Linux binaries compiled with CUDA 9.2, 9.1, 9.0, 8 and 7.5 support, Windows support, and Mac OSX & miscellaneous other binaries.

PyTorch Linux binaries compiled with CUDA 9.2

• cu92/torch-0.4.1-cp27-cp27mu-linux_x86_64.whl
• cu92/torch-0.4.1-cp27-cp27mu-linux_x86_64.whl - for python 2.7 UCS2
• cu92/torch-0.4.1-cp35-cp35m-linux_x86_64.whl
• cu92/torch-0.4.1-cp36-cp36m-linux_x86_64.whl
• cu92/torch-0.4.1.post2-cp37-cp37m-linux_x86_64.whl

PyTorch Linux binaries compiled with CUDA 9.1

• cu91/torch-0.4.0-cp36-cp36m-linux_x86_64.whl
• cu91/torch-0.4.0-cp35-cp35m-linux_x86_64.whl
• cu91/torch-0.4.0-cp27-cp27mu-linux_x86_64.whl
• cu91/torch-0.4.0-cp27-cp27m-linux_x86_64.whl
• cu91/torch-0.3.1-cp36-cp36m-linux_x86_64.whl
• cu91/torch-0.3.1-cp35-cp35m-linux_x86_64.whl
• cu91/torch-0.3.1-cp27-cp27mu-linux_x86_64.whl
• cu91/torch-0.3.1-cp27-cp27m-linux_x86_64.whl

PyTorch Linux binaries compiled with CUDA 9.0

• cu90/torch-0.4.1-cp27-cp27mu-linux_x86_64.whl
• cu90/torch-0.4.1-cp27-cp27mu-linux_x86_64.whl - for python 2.7 UCS2
• cu90/torch-0.4.1-cp35-cp35m-linux_x86_64.whl
• cu90/torch-0.4.1-cp36-cp36m-linux_x86_64.whl
• cu90/torch-0.4.1.post2-cp37-cp37m-linux_x86_64.whl
• cu90/torch-0.4.0-cp36-cp36m-linux_x86_64.whl
• cu90/torch-0.4.0-cp35-cp35m-linux_x86_64.whl
• cu90/torch-0.4.0-cp27-cp27mu-linux_x86_64.whl
• cu90/torch-0.4.0-cp27-cp27m-linux_x86_64.whl
• cu90/torch-0.3.1-cp36-cp36m-linux_x86_64.whl
• cu90/torch-0.3.1-cp35-cp35m-linux_x86_64.whl
• cu90/torch-0.3.1-cp27-cp27mu-linux_x86_64.whl
• cu90/torch-0.3.1-cp27-cp27m-linux_x86_64.whl
• cu90/torch-0.3.0.post4-cp36-cp36m-linux_x86_64.whl
• cu90/torch-0.3.0.post4-cp35-cp35m-linux_x86_64.whl
• cu90/torch-0.3.0.post4-cp27-cp27mu-linux_x86_64.whl
• cu90/torch-0.3.0.post4-cp27-cp27m-linux_x86_64.whl

PyTorch Linux binaries compiled with CUDA 8

• cu80/torch-0.4.1-cp27-cp27mu-linux_x86_64.whl
• cu80/torch-0.4.1-cp27-cp27mu-linux_x86_64.whl - for python 2.7 UCS2
• cu80/torch-0.4.1-cp35-cp35m-linux_x86_64.whl
• cu80/torch-0.4.1-cp36-cp36m-linux_x86_64.whl
• cu80/torch-0.4.1.post2-cp37-cp37m-linux_x86_64.whl
• cu80/torch-0.4.0-cp36-cp36m-linux_x86_64.whl
• cu80/torch-0.4.0-cp35-cp35m-linux_x86_64.whl
• cu80/torch-0.4.0-cp27-cp27mu-linux_x86_64.whl
• cu80/torch-0.4.0-cp27-cp27m-linux_x86_64.whl
• cu80/torch-0.3.1-cp36-cp36m-linux_x86_64.whl
• cu80/torch-0.3.1-cp35-cp35m-linux_x86_64.whl
• cu80/torch-0.3.1-cp27-cp27mu-linux_x86_64.whl
• cu80/torch-0.3.1-cp27-cp27m-linux_x86_64.whl
• cu80/torch-0.3.0.post4-cp36-cp36m-linux_x86_64.whl
• cu80/torch-0.3.0.post4-cp35-cp35m-linux_x86_64.whl
• cu80/torch-0.3.0.post4-cp27-cp27mu-linux_x86_64.whl
• cu80/torch-0.3.0.post4-cp27-cp27m-linux_x86_64.whl
• cu80/torch-0.2.0.post2-cp36-cp36m-manylinux1_x86_64.whl
• cu80/torch-0.2.0.post2-cp35-cp35m-manylinux1_x86_64.whl
• cu80/torch-0.2.0.post2-cp27-cp27mu-manylinux1_x86_64.whl
• cu80/torch-0.2.0.post2-cp27-cp27m-manylinux1_x86_64.whl
• cu80/torch-0.2.0.post3-cp36-cp36m-manylinux1_x86_64.whl
• cu80/torch-0.2.0.post3-cp35-cp35m-manylinux1_x86_64.whl
• cu80/torch-0.2.0.post3-cp27-cp27mu-manylinux1_x86_64.whl
• cu80/torch-0.2.0.post3-cp27-cp27m-manylinux1_x86_64.whl
• cu80/torch-0.2.0.post2-cp36-cp36m-manylinux1_x86_64.whl
• cu80/torch-0.2.0.post2-cp35-cp35m-manylinux1_x86_64.whl
• cu80/torch-0.2.0.post2-cp27-cp27mu-manylinux1_x86_64.whl
• cu80/torch-0.2.0.post2-cp27-cp27m-manylinux1_x86_64.whl
• cu80/torch-0.1.12.post2-cp36-cp36m-linux_x86_64.whl
• cu80/torch-0.1.12.post2-cp35-cp35m-linux_x86_64.whl
• cu80/torch-0.1.12.post2-cp27-none-linux_x86_64.whl
• cu80/torch-0.1.12.post1-cp36-cp36m-linux_x86_64.whl
• cu80/torch-0.1.12.post1-cp35-cp35m-linux_x86_64.whl
• cu80/torch-0.1.12.post1-cp27-none-linux_x86_64.whl
• cu80/torch-0.1.11.post5-cp36-cp36m-linux_x86_64.whl
• cu80/torch-0.1.11.post5-cp35-cp35m-linux_x86_64.whl
• cu80/torch-0.1.11.post5-cp27-none-linux_x86_64.whl
• cu80/torch-0.1.11.post4-cp36-cp36m-linux_x86_64.whl
• cu80/torch-0.1.11.post4-cp35-cp35m-linux_x86_64.whl
• cu80/torch-0.1.11.post4-cp27-none-linux_x86_64.whl
• cu80/torch-0.1.10.post2-cp36-cp36m-linux_x86_64.whl
• cu80/torch-0.1.10.post2-cp35-cp35m-linux_x86_64.whl
• cu80/torch-0.1.10.post2-cp27-none-linux_x86_64.whl
• cu80/torch-0.1.10.post1-cp36-cp36m-linux_x86_64.whl
• cu80/torch-0.1.10.post1-cp35-cp35m-linux_x86_64.whl
• cu80/torch-0.1.10.post1-cp27-none-linux_x86_64.whl
• cu80/torch-0.1.9.post2-cp36-cp36m-linux_x86_64.whl
• cu80/torch-0.1.9.post2-cp35-cp35m-linux_x86_64.whl
• cu80/torch-0.1.9.post2-cp27-none-linux_x86_64.whl
• cu80/torch-0.1.9.post1-cp36-cp36m-linux_x86_64.whl
• cu80/torch-0.1.9.post1-cp35-cp35m-linux_x86_64.whl
• cu80/torch-0.1.9.post1-cp27-none-linux_x86_64.whl
• cu80/torch-0.1.8.post1-cp36-cp36m-linux_x86_64.whl
• cu80/torch-0.1.8.post1-cp35-cp35m-linux_x86_64.whl
• cu80/torch-0.1.8.post1-cp27-none-linux_x86_64.whl
• cu80/torch-0.1.7.post2-cp36-cp36m-linux_x86_64.whl
• cu80/torch-0.1.7.post2-cp35-cp35m-linux_x86_64.whl
• cu80/torch-0.1.7.post2-cp27-none-linux_x86_64.whl
• cu80/torch-0.1.6.post22-cp35-cp35m-linux_x86_64.whl
• cu80/torch-0.1.6.post22-cp27-none-linux_x86_64.whl
• cu80/torch-0.1.6.post20-cp35-cp35m-linux_x86_64.whl
• cu80/torch-0.1.6.post20-cp27-cp27mu-linux_x86_64.whl

PyTorch Linux binaries compiled with CUDA 7.5

• cu75/torch-0.3.0.post4-cp36-cp36m-linux_x86_64.whl
• cu75/torch-0.3.0.post4-cp35-cp35m-linux_x86_64.whl
• cu75/torch-0.3.0.post4-cp27-cp27mu-linux_x86_64.whl
• cu75/torch-0.3.0.post4-cp27-cp27m-linux_x86_64.whl
• cu75/torch-0.2.0.post3-cp36-cp36m-manylinux1_x86_64.whl
• cu75/torch-0.2.0.post3-cp35-cp35m-manylinux1_x86_64.whl
• cu75/torch-0.2.0.post3-cp27-cp27mu-manylinux1_x86_64.whl
• cu75/torch-0.2.0.post3-cp27-cp27m-manylinux1_x86_64.whl
• cu75/torch-0.2.0.post2-cp36-cp36m-manylinux1_x86_64.whl
• cu75/torch-0.2.0.post2-cp35-cp35m-manylinux1_x86_64.whl
• cu75/torch-0.2.0.post2-cp27-cp27mu-manylinux1_x86_64.whl
• cu75/torch-0.2.0.post2-cp27-cp27m-manylinux1_x86_64.whl
• cu75/torch-0.2.0.post1-cp36-cp36m-manylinux1_x86_64.whl
• cu75/torch-0.2.0.post1-cp35-cp35m-manylinux1_x86_64.whl
• cu75/torch-0.2.0.post1-cp27-cp27mu-manylinux1_x86_64.whl
• cu75/torch-0.2.0.post1-cp27-cp27m-manylinux1_x86_64.whl
• cu75/torch-0.1.12.post2-cp36-cp36m-linux_x86_64.whl
• cu75/torch-0.1.12.post2-cp35-cp35m-linux_x86_64.whl
• cu75/torch-0.1.12.post2-cp27-none-linux_x86_64.whl
• cu75/torch-0.1.12.post1-cp36-cp36m-linux_x86_64.whl
• cu75/torch-0.1.12.post1-cp35-cp35m-linux_x86_64.whl
• cu75/torch-0.1.12.post1-cp27-none-linux_x86_64.whl
• cu75/torch-0.1.11.post5-cp36-cp36m-linux_x86_64.whl
• cu75/torch-0.1.11.post5-cp35-cp35m-linux_x86_64.whl
• cu75/torch-0.1.11.post5-cp27-none-linux_x86_64.whl
• cu75/torch-0.1.11.post4-cp36-cp36m-linux_x86_64.whl
• cu75/torch-0.1.11.post4-cp35-cp35m-linux_x86_64.whl
• cu75/torch-0.1.11.post4-cp27-none-linux_x86_64.whl
• cu75/torch-0.1.10.post2-cp36-cp36m-linux_x86_64.whl
• cu75/torch-0.1.10.post2-cp35-cp35m-linux_x86_64.whl
• cu75/torch-0.1.10.post2-cp27-none-linux_x86_64.whl
• cu75/torch-0.1.10.post1-cp36-cp36m-linux_x86_64.whl
• cu75/torch-0.1.10.post1-cp35-cp35m-linux_x86_64.whl
• cu75/torch-0.1.10.post1-cp27-none-linux_x86_64.whl
• cu75/torch-0.1.9.post2-cp36-cp36m-linux_x86_64.whl
• cu75/torch-0.1.9.post2-cp35-cp35m-linux_x86_64.whl
• cu75/torch-0.1.9.post2-cp27-none-linux_x86_64.whl
• cu75/torch-0.1.9.post1-cp36-cp36m-linux_x86_64.whl
• cu75/torch-0.1.9.post1-cp35-cp35m-linux_x86_64.whl
• cu75/torch-0.1.9.post1-cp27-none-linux_x86_64.whl
• cu75/torch-0.1.8.post1-cp36-cp36m-linux_x86_64.whl
• cu75/torch-0.1.8.post1-cp35-cp35m-linux_x86_64.whl
• cu75/torch-0.1.8.post1-cp27-none-linux_x86_64.whl
• cu75/torch-0.1.7.post2-cp36-cp36m-linux_x86_64.whl
• cu75/torch-0.1.7.post2-cp35-cp35m-linux_x86_64.whl
• cu75/torch-0.1.7.post2-cp27-none-linux_x86_64.whl
• cu75/torch-0.1.6.post22-cp35-cp35m-linux_x86_64.whl
• cu75/torch-0.1.6.post22-cp27-none-linux_x86_64.whl
• cu75/torch-0.1.6.post20-cp35-cp35m-linux_x86_64.whl
• cu75/torch-0.1.6.post20-cp27-cp27mu-linux_x86_64.whl

Linux No CUDA binaries

• cpu/torch-0.4.1-cp27-cp27mu-linux_x86_64.whl
• cpu/torch-0.4.1-cp27-cp27m-linux_x86_64.whl - for python 2.7 UCS2
• cpu/torch-0.4.1-cp35-cp35m-linux_x86_64.whl
• cpu/torch-0.4.1-cp36-cp36m-linux_x86_64.whl
• cpu/torch-0.4.1.post2-cp37-cp37m-linux_x86_64.whl

Windows binaries

• cpu/torch-0.4.1-cp35-cp35m-win_amd64.whl
• cu80/torch-0.4.1-cp35-cp35m-win_amd64.whl
• cu90/torch-0.4.1-cp35-cp35m-win_amd64.whl
• cu92/torch-0.4.1-cp35-cp35m-win_amd64.whl
• cpu/torch-0.4.1-cp36-cp36m-win_amd64.whl
• cu80/torch-0.4.1-cp36-cp36m-win_amd64.whl
• cu90/torch-0.4.1-cp36-cp36m-win_amd64.whl
• cu92/torch-0.4.1-cp36-cp36m-win_amd64.whl
• cpu/torch-0.4.1-cp37-cp37m-win_amd64.whl
• cu80/torch-0.4.1-cp37-cp37m-win_amd64.whl
• cu90/torch-0.4.1-cp37-cp37m-win_amd64.whl
• cu92/torch-0.4.1-cp37-cp37m-win_amd64.whl

Mac and misc. binaries

For recent macOS binaries, use conda:

e.g.,

conda install pytorch=0.4.1 cuda90 -c pytorch conda install pytorch=0.4.1 cuda92 -c pytorch conda install pytorch=0.4.1 cuda80 -c pytorch conda install pytorch=0.4.1 -c pytorch # No CUDA

• torchvision-0.1.6-py3-none-any.whl
• torchvision-0.1.6-py2-none-any.whl
• torch-0.4.0-cp36-cp36m-macosx_10_7_x86_64.whl
• torch-0.4.0-cp35-cp35m-macosx_10_7_x86_64.whl
• torch-0.4.0-cp27-none-macosx_10_7_x86_64.whl
• torch-0.3.1-cp36-cp36m-macosx_10_7_x86_64.whl
• torch-0.3.1-cp35-cp35m-macosx_10_7_x86_64.whl
• torch-0.3.1-cp27-none-macosx_10_7_x86_64.whl
• torch-0.3.0.post4-cp36-cp36m-macosx_10_7_x86_64.whl
• torch-0.3.0.post4-cp35-cp35m-macosx_10_7_x86_64.whl
• torch-0.3.0.post4-cp27-none-macosx_10_7_x86_64.whl
• torch-0.2.0.post3-cp36-cp36m-macosx_10_7_x86_64.whl
• torch-0.2.0.post3-cp35-cp35m-macosx_10_7_x86_64.whl
• torch-0.2.0.post3-cp27-none-macosx_10_7_x86_64.whl
• torch-0.2.0.post2-cp36-cp36m-macosx_10_7_x86_64.whl
• torch-0.2.0.post2-cp35-cp35m-macosx_10_7_x86_64.whl
• torch-0.2.0.post2-cp27-none-macosx_10_7_x86_64.whl
• torch-0.2.0.post1-cp36-cp36m-macosx_10_7_x86_64.whl
• torch-0.2.0.post1-cp35-cp35m-macosx_10_7_x86_64.whl
• torch-0.2.0.post1-cp27-none-macosx_10_7_x86_64.whl
• torch-0.1.12.post2-cp36-cp36m-macosx_10_7_x86_64.whl
• torch-0.1.12.post2-cp35-cp35m-macosx_10_7_x86_64.whl
• torch-0.1.12.post2-cp27-none-macosx_10_7_x86_64.whl
• torch-0.1.12.post1-cp36-cp36m-macosx_10_7_x86_64.whl
• torch-0.1.12.post1-cp35-cp35m-macosx_10_7_x86_64.whl
• torch-0.1.12.post1-cp27-none-macosx_10_7_x86_64.whl
• torch-0.1.11.post5-cp36-cp36m-macosx_10_7_x86_64.whl
• torch-0.1.11.post5-cp35-cp35m-macosx_10_7_x86_64.whl
• torch-0.1.11.post5-cp27-none-macosx_10_7_x86_64.whl
• torch-0.1.11.post4-cp36-cp36m-macosx_10_7_x86_64.whl
• torch-0.1.11.post4-cp35-cp35m-macosx_10_7_x86_64.whl
• torch-0.1.11.post4-cp27-none-macosx_10_7_x86_64.whl
• torch-0.1.10.post1-cp36-cp36m-macosx_10_7_x86_64.whl
• torch-0.1.10.post1-cp35-cp35m-macosx_10_6_x86_64.whl
• torch-0.1.10.post1-cp27-none-macosx_10_7_x86_64.whl
• torch-0.1.9.post2-cp36-cp36m-macosx_10_7_x86_64.whl
• torch-0.1.9.post2-cp35-cp35m-macosx_10_6_x86_64.whl
• torch-0.1.9.post2-cp27-none-macosx_10_7_x86_64.whl
• torch-0.1.9.post1-cp36-cp36m-macosx_10_7_x86_64.whl
• torch-0.1.9.post1-cp35-cp35m-macosx_10_6_x86_64.whl
• torch-0.1.9.post1-cp27-none-macosx_10_7_x86_64.whl
• torch-0.1.8.post1-cp36-cp36m-macosx_10_7_x86_64.whl
• torch-0.1.8.post1-cp35-cp35m-macosx_10_6_x86_64.whl
• torch-0.1.8.post1-cp27-none-macosx_10_7_x86_64.whl
• torch-0.1.7.post2-cp36-cp36m-macosx_10_7_x86_64.whl
• torch-0.1.7.post2-cp35-cp35m-macosx_10_6_x86_64.whl
• torch-0.1.7.post2-cp27-none-macosx_10_7_x86_64.whl
• torch-0.1.6.post22-cp35-cp35m-macosx_10_6_x86_64.whl
• torch-0.1.6.post22-cp27-none-macosx_10_7_x86_64.whl
• torch-0.1.6.post20-cp35-cp35m-linux_x86_64.whl
• torch-0.1.6.post20-cp27-cp27mu-linux_x86_64.whl
• torch-0.1.6.post17-cp35-cp35m-linux_x86_64.whl
• torch-0.1.6.post17-cp27-cp27mu-linux_x86_64.whl
• torch-0.1-cp35-cp35m-macosx_10_6_x86_64.whl
• torch-0.1-cp27-cp27m-macosx_10_6_x86_64.whl
• torch_cuda80-0.1.6.post20-cp35-cp35m-linux_x86_64.whl
• torch_cuda80-0.1.6.post20-cp27-cp27mu-linux_x86_64.whl
• torch_cuda80-0.1.6.post17-cp35-cp35m-linux_x86_64.whl
• torch_cuda80-0.1.6.post17-cp27-cp27mu-linux_x86_64.whl

备注1：

CUDA 版本，显卡驱动，Ubuntu版本，GCC版本之间的对应关系

2018年10月28日 15:14:38 zl535320706 阅读数：132

显卡驱动与CUDA版本对应关系

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

CUDA版本与Ubuntu 版本，以及GCC版本对应关系

• CUDA 8.0

来源：https://docs.nvidia.com/cuda/archive/8.0/cuda-installation-guide-linux/index.html

• CUDA 9.0

来源：https://docs.nvidia.com/cuda/archive/9.0/cuda-installation-guide-linux/index.html

• CUDA 10.0

备注2：

查看 CUDA cudnn 版本 查看Navicat GPU版本 查看nvidia 驱动版本

2017年12月20日 20:21:53 青盏 阅读数：6986

查看 CUDA cudnn 版本

cuda 版本 

cat /usr/local/cuda/version.txt

cudnn 版本 

cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2

查看Navicat GPU版本

nvidia-smi

//10s显示一次

watch -n 10 nvidia-smi

nvidia-smi -l

查看nvidia 驱动版本

cat /proc/driver/nvidia/version

硬件层面判断主板是否识别显卡：

lspci | grep NVIDIA

lspci | grep VGA

# VGA compatible controller: NVIDIA Corporation Device 1b02

Ubuntu18.04双系统安装+GPU+CUDA10+CUDNN7+ANACONDA3+PYTHON+PYCHARM相关推荐

1. win7+ubuntu16.04以及win10+ubuntu18.04双系统安装

   win7+ubuntu16.04以及win10+ubuntu18.04双系统安装 win7+ubuntu16.04以及win10+ubuntu18.04双系统安装 2020.8.8更新 2020.7. ...

2. Win10+Ubuntu18.04双系统安装配置教程（二）——磁盘分区

   写在前面:本系列笔者亲测可行!文章配置如下\color{red}{写在前面:本系列笔者亲测可行!文章配置如下}写在前面:本系列笔者亲测可行!文章配置如下: win10,Ubuntu18.04,nvid ...

3. WIN7+ubuntu18.04双系统安装流程

   WIN7+ubuntu18.04双系统安装流程 第一步: 制作ubuntu启动盘(我用的是ubuntu18.04) 用到两个软件:一个通牒软件UltraISO,另一个是ubuntu18.04.iso文 ...

4. 联想昭阳E40-80安装win10、ubuntu18.04双系统安装采坑记录

   联想昭阳E40-80安装win10.ubuntu18.04双系统安装采坑记录 1 硬盘格式:MBR 2 rufus的坑:缺少文件ldlinux.sys ldlinux.bss 3 分区的坑:多分了一个 ...

5. Win10+Ubuntu18.04双系统安装配置教程（七）——安装搜狗输入法

   Win10+Ubuntu18.04双系统安装配置教程(七)--安装搜狗输入法 写 在 前 面 : 本 系 列 笔 者 亲 测 可 行 ! 文 章 配 置 如 下 \color{red}{写在前面:本系 ...

6. ubuntu系统(八)：ubuntu18.04双系统安装+ros安装+各种软件安装+深度学习环境配置全家桶

   0 说明 1.安装ubuntu18.04系统 1.1 ubuntu18.04镜像地址(可以用迅雷等下载): 1.2 下载Rufus: 1.3 制作镜像: 1.4 磁盘分区 1.5 关闭win11快速启 ...

7. 联想小新+Windows10+Ubuntu18.04双系统安装+引导设置过程全记录

   写在前面 双系统安装 配置 主要过程 引导设置 主要参考 Ubuntu卸载 需要的工具 具体步骤 情况一 情况二 主要参考 后记 2020.5.29更新 关于卸载 关于主题的配置 写在前面 又是折腾的 ...

8. ubuntu18.04双系统安装教程

   说明:windows10安装ubuntu18.04双系统. 懒癌晚期,偏爱傻瓜教程,做大佬博客"傻瓜化"搬运工,大佬博客都在参考链接中给出.我所整理皆经过本人亲身实践,参考了多篇博 ...

9. [win10+Ubuntu18.04双系统安装] UEFI启动 Dell-G3-3579

   安装流程 之前在安装系统方面没有任何经验,但是由于学习需要用到ROS,所以就想安装一个Ubuntu系统来学习,一开始尝试了虚拟机和WSL,但是虚拟机的性能比较受限,而WSL也还不够成熟,所以最后还是决 ...

10. win10+ubuntu18.04双系统安装

    本帖主体内容源于转载,但其中结合了本人遇到的诸多问题,希望可以帮助大家,不喜勿喷,欢迎交流 本贴适用于 Win10 UEFI 模式启动+双硬盘(固态硬盘+机械硬盘)安装 ubuntu18.04 双系统 ...

最新文章

1. Codeforces Gym 100286I iSharp 水题
2. 作者：周园春（1975-），男，中国科学院计算机网络信息中心研究员、博士生导师...
3. 苹果cms仿ZzzFun动漫视频站PC模板
4. scp传文件时报错Add correct host key in /root/.ssh/known_hosts to get rid of this message
5. （进阶）LeetCode（9）——回文数（JavaScript）
6. 心电信号系统GUI系统
7. Java SSLSocket的使用
8. npm ERR! Error: tunneling socket could not be established的解决问题
9. Linux操作系统相关资料
10. 程序员又“作死”了，用AI算法一键“脱”衣，遭全球网友炮轰
11. Flutter fish redux入门
12. terraform_Kubernetes初学者的Terraform指南
13. php里在调用wp,WordPress 教程：使用 WP_Http 在 WordPress 中发起 HTTP Request
14. 城域网的互联网专线接入带宽合规合法
15. 从霸笔、霸一面到成功走进腾讯
16. Java8 Stream 遍历数据效率差？实测结果出乎意料~~
17. 业内首档程序员真人秀？这不比博人传热血？？？
18. linux桌面版 磁盘管理工具,Paragon ExtFS for Windows
19. vhdl计算机语言,八周造个CPU（1）：VHDL语言的实现和仿真方法，简单PC模块的实现和仿真...
20. 自媒体人日常必看的7个运营学习网站，记得收藏起来

热门文章

1. 学术会议海报制作和参考
2. 回首13我们奋斗在14的路上
3. 浏览器CookieSameSite
4. JS eval json unexpected token :
5. 电脑右下角音量键打不开，调不了音量大小的解决方法
6. 全球及中国粮食加工行业产量需求规模与投资产值预测报告2022版
7. 叉乘点乘混合运算公式_小学数学所有公式和顺口溜都在这里了，考试肯定能用到！...
8. UserWarning: Usage of dash-separated ‘script-dir‘ will not be supported in future versions. 笔记
9. VMware Funsion 8.5.1破解版
10. Linux thermal governor之IPA分析