写在前面

首先作为小白你肯定觉得痕奇怪，也不知道这些东西干啥的奇奇怪怪的安装一大堆。其实简单理解就是我们需要一个linux系统环境来进行学习和操作，所以我们用到了图形化系统Ubuntu，他和你电脑里的windows其实一个性质啦。

然后你不得不使用GPU加速你的模型训练，所以就需要安装NVIDIA驱动来启用你的显卡

之后呢就需要安装一些cuda和cudnn之类的来配合，以及conda营造虚拟环境然后下载必备的pytorch

为什么标题改了20.04，因为22.04不方便装ros，我无奈重装，大家安装时注意。

Ubuntu22.04/20.04安装

这个还是比较简单的，b站上的都很靠谱，总的来说就是先去官网上下载一个磁盘文件，然后下载rufus软件用一个U盘制作系统U盘，然后画出内存准备给系统使用，然后在BOIS里面进行修改，安装。

首先制备系统烧录U盘

工具rufus下载

如上图配置，开始制作。同样，去Ubuntu官网下载如我格式的iso文件。

其次划分空间给ubuntu

在windows中，使用win+x找到磁盘管理
如果是单磁盘，则右键D盘（最大那个）找到压缩盘，你想给Ubuntu多少就压缩多少，随后得到如图中的灰色部分就好。
一般给200G以上会比较好。

开始装硬盘

插入你的烧录U盘。
关机，开机。开机时狂按F2或F12，如果你是拯救者，F2.
进入BIOS后，关闭安全启动。开启USB启动。选择usb启动项，然后跟着引导走，然后注意注意以下的：
1，不建议装系统时选择网络，不然后面很慢
2，选择这个（图源https://blog.csdn.net/wyr1849089774/article/details/133387874）

一、建议给512MB（图源于水印，可以给他点赞！）
二、交换空间类似内存，一般和电脑内存一样好了，我的就是16GB，如果不知道，就无脑10GB。

三、剩下All in

接下来就没有什么难点了，拥抱Linux吧

NVIDIA驱动安装

安装好了系统就可以安装驱动了

方法一

打开软件与更新，这是一个预装系统软件，找到后点击附加驱动，选择一个nvidia显卡驱动安装。可能会遇到问题，那就换一个点一下。

如果显示没有附加驱动可用附加驱动，则

sudo add-apt-repository ppa:graphics-drivers
sudo apt-get update

方法二

如果方法一不行或者觉得太简单了不爽，看这个

方法来自CSDN博主「huiyoooo」的原创文章，转载请附上原文出处链接及本声明。

原文链接：https://blog.csdn.net/huiyoooo/article/details/128015155

一、英伟达官网下载驱动

英文：Official Advanced Driver Search | NVIDIA

中文：官方驱动 | NVIDIA

二、更新软件列表和安装必要软件、依赖

终端输入以下命令：

    sudo apt-get update
     
    sudo apt-get install g++
     
    sudo apt-get install gcc
     
    sudo apt-get install make

三、禁用默认驱动

在安装NVIDIA驱动以前需要禁止系统自带显卡驱动nouveau。

在终端输入命令打开blacklist.conf文件。

sudo gedit /etc/modprobe.d/blacklist.conf

在打开的文件末尾加上

blacklist nouveau
options nouveau modeset=0

重启
然后在终端中输入：

lsmod | grep nouveau

如果没有输出的话就说明禁用了nouveau。

四、进入tty模式

到这一步需要关闭图形界面，请！使用其他设备阅读。

请事先记住你的NVIDIA文件名和具体位置，不然要重来！！！！！！！！
1、关闭图形界面进入tty模式

终端输入：

sudo telinit 3

不要害怕！ 输入如下命令可以重新打开图形界面。

sudo telinit 5

2、进入tty以后需要输入用户名和密码登录。
直接输入
3、禁用X-window服务

输入以下命令：

sudo service gdm3 stop

五、安装驱动

cd 进入存放驱动文件的目录中 。

输入以下命令安装。#改称自己的文件名

        sudo chmod 777 NVIDIA-Linux-x86_64-525.53.run   #给下载的驱动赋予可执行权限
         
        sudo ./NVIDIA-Linux-x86_64-525.53.run –no-opengl-files -no-x-check   #安装

-no-opengl-files：只安装驱动文件，不安装OpenGL文件。

-no-x-check：安装驱动时关闭X服务，不设置可能导致安装失败。

会出现的选项：

Install Nvidia's 32-bit compatibility libraries?
选择 "No"
Would you like to run the nvidia-xconfig utility to automatically update your X configuration file so that the NVIDIA X driver dill be used dhen you restart X? Any pre-existing X configuration file will be backed up.
选择 "Yes"

六、返回图形界面

再次启动X-window服务。

sudo service gdm3 start

返回图形界面后打开终端输入：

nvidia-smi

出现以下画面说明安装完成。
(爷的图图呢？）

安装CUDA

首先查看你的驱动（刚刚装的）版本：

nvidia-smi

找到了就去 官网下载

选择适合自己的版本，然后下面就会有你需要的指令，复制粘贴就好。

第一个我们刚刚装好了驱动，就不装了。

环境配置

 sudo gedit ~/.bashrc

在最后加上

export LD_LIBRARY_PATH=/usr/local/cuda/lib64:/usr/local/cuda/extras/CPUTI/lib64
后面是你的地址
export CUDA_HOME=/usr/local/cuda/bin
export PATH=$PATH:$LD_LIBRARY_PATH:$CUDA_HOME

验证cuda安装是否成功：关闭当前命令行，并执行

source ~/.bashrc
nvcc -V

cudnn安装

1、登录官网选择cudnn版本
登录英伟达官网
注：https://developer.nvidia.com/cudnn的网址好像不行，会显示找不到cudnn的下载页面

此处如果需要你注册一个英伟达网站账号，那是正常的。

2、选择一个你喜欢的，然后下载deb文件就好，然后直接在终端里运行deb（利用sudo dpkg -i加文件名）
首先解压并安装deb包（注意自己的版本号）

sudo dpkg -i cudnn-local-repo-ubuntu2004-8.5.0.96_1.0-1_amd64.deb

安装完后，它会自动提示把CUDA GPG Key导入的

$ sudo cp /var/cudnn-local-repo-ubuntu2004-8.5.0.96/cudnn-local-B0FE0A41-keyring.gpg /usr/share/keyrings/

更新一下软件库

$ sudo apt-get update

最后是真正开始安装cuDNN的库：

$ sudo apt-get install libcudnn8=8.5.0.96-1+cuda11.7
$ sudo apt-get install libcudnn8-dev=8.5.0.96-1+cuda11.7
$ sudo apt-get install libcudnn8-samples=8.5.0.96-1+cuda11.7

检查是否安装成功：
为了验证cuDNN已经安装并正常运行，编译位于Debian文件/usr/src/cudnn_samples_v8目录下的mnistCUDNN示例。

$ cp -r /usr/src/cudnn_samples_v8/ $HOME
$ cd  $HOME/cudnn_samples_v8/mnistCUDNN
$ make clean && make

如果在运行make指令的时候，出现了不能编译，提示缺少FreeLmage.h与资源库的问题
则运行下面指令安装FreeLmage相关文件：

$ sudo apt-get install libfreeimage3 libfreeimage-dev
$ ./mnistCUDNN

注意：
部分转载自：本文为CSDN博主「Johntill」的原创文章，遵循CC 4.0 BY-SA版权协议，转原文链接：https://blog.csdn.net/Johntill/article/details/132302632

anaconda安装

官网下载，得到一个.sh文件，右键进入终端，用bash+文件名运行，一路回车或yes结束。
然后就可以创建虚拟环境，在虚拟环境里下载你要的一切包，开始你的深度学习大业。