1.安装双系统详细操作参考https://blog.csdn.net/fanxueya1322/article/details/90205143 详细操作参考https://blog.csdn.net/lzq_103/article/details/84197486 1.1 U盘启动盘的制作将Ubuntu系统ISO 格式镜像文件借助Rufus工具加载进U盘,从而将U盘制作成启动盘。 1.2 分配磁盘空间留出磁盘空间用于安装ubuntu 系统。 这里有一个巨坑,容易误操作,把主分区转成了动态分区。动态分区的箭头处颜色为绿色,然后不支持磁盘空间分配,即没有分区的磁盘概念。就算留出100G的存储空间,在下一步(1.3)分区时,系统是检测不到这100G存储的。所以在出现系统提示要不要转为动态磁盘时,一定要选择否. 如果已经转为动态磁盘,经过多种方法的尝试,最终使用AOMEI Dynamic Disk Manager软件可以将动态磁盘转为基本磁盘。
1.3 分区
1.4 安装分区完成准备安装。 1.5 启动项修改安装好双系统后你的电脑开机时可能默认还是选择 windows 启动,可以通过EasyBCD工具对启动顺序进行修改。 2.安装搜狗输入法参考自https://blog.csdn.net/leijiezhang/article/details/53707181 Linux自带的输入法不是太好用,而且正常在Windows系统里面使用的是搜狗输入法,并且搜狗输入法发行了Linux版本,故没有任何理由不在Linux系统上安装一个 搜狗输入法。 1)下载搜狗输入法(注意32位和64位) https://pinyin.sogou.com/linux/?r=pinyin 2)按键 cd ~/下载/ 3) 查看是否下载完成 ls 4) 安装输入法 sudo dpkg -i sogoupinyin_2.3.1.0112_amd64.deb #会报错 dpkg: 处理软件包 sogoupinyin (--install)时出错: 依赖关系问题 - 仍未被配置 正在处理用于 mime-support (3.60ubuntu1) 的触发器 ... 正在处理用于 libglib2.0-0:i386 (2.56.1-2ubuntu1) 的触发器 ... 覆盖文件 /usr/glib-2.0/schemas/50_sogoupinyin.gschema.override 中指定的方案 org.gnome.settings-daemon.plugins.xsettings 中没有键 Gtk/IMModule;忽略对此键的覆盖。 正在处理用于 libglib2.0-0:amd64 (2.56.1-2ubuntu1) 的触发器 ... 覆盖文件 /usr/glib-2.0/schemas/50_sogoupinyin.gschema.override 中指定的方案 org.gnome.settings-daemon.plugins.xsettings 中没有键 Gtk/IMModule;忽略对此键的覆盖。 正在处理用于 gnome-menus (3.13.3-11ubuntu1) 的触发器 ... 正在处理用于 desktop-file-utils (0.23-1ubuntu3) 的触发器 ... 正在处理用于 shared-mime-info (1.9-2) 的触发器 ... 正在处理用于 hicolor-icon-theme (0.17-2) 的触发器 ... 在处理时有错误发生: sogoupinyin 5)解决依赖问题 sudo apt-get -f install 6)再次安装 sudo dpkg -i sogoupinyin_2.3.1.0112_amd64.deb 7)从桌面右上角系统设置里面点击“语言支持”,从跳出来的第一个对话框选择“安装”按钮,然后就开始安装,期间会提示输入密码。 8)重启 reboot 9)点击右上角键盘标志,选择“配置当前输入法”,然后点击“+”,添加合适的输入法,我这里最终选择的是“键盘-英语(美国)+搜狗拼音“。这样,就和在Windows10上使用搜狗输入法时一样,按”Shift键“就可以切换中文和英文输入法。
3.安装英伟达显卡驱动参考自https://blog.csdn.net/DongZhuoHui/article/details/97913269 一方便是由于配置深度学习环境的需要,另一方面是由于没有显卡驱动的话,整个界面的分辨率有限,影响观感。所以就算不配置深度学习环境,安装显卡驱动也是必要的。 1)安装环境
2)在正式入坑深度学习环境搭建之前,先要确定两点。 tensorflow版本与cuda和cudnn的对应关系: https://tensorflow.google.cn/install/source 先前在Windows里面搭建深度学习环境时选择的就是tensorflow-gpu==1.12.0,可以进行模型的训练。故此处选择的cuda和cudnn如下。
CUDA要求的linux下的Driver Version: https://docs./cuda/cuda-toolkit-release-notes/index.html 根据CUDA为9.0,故只要驱动版本大于等于384.81就可以了,下面介绍安装最新的驱动版本为440.36完全满足要求。
3) 打开NVIDIA驱动官网,选择最新的一个驱动程序,下载
注意:
4)禁用nouveau驱动 打开文件 sudo vim /etc/modprobe.d/blacklist.conf 在文件末尾添加以下几行命令 blacklist nouveau
blacklist rivafb
blacklist rivatv
blacklist nvidiafb
options nouveau modeset=0
5) 更新Linux系统内核 sudo update-initramfs -u 6) 重启并检查nouveau驱动是否成功被禁 reboot
lsmod | grep nouveau
重启电脑后,打开终端输入命令以查看nouveau驱动是否成功被禁,命令无返回则是成功禁用。 7) 安装驱动.run文件 cd ~/下载/
sudo sh NVIDIA-Linux-x86_64-440.36.run -no-x-check -no-nouveau-check -no-opengl-files
参数解释: –no-x-check:表示安装驱动时不检查X服务(图形接口服务),如果没有关闭图形界面则必须加上,否则反之。 –no-nouveau-check:表示安装驱动时不检查nouveau驱动,这也是非必需的,因为我们已经在前面步骤中禁用驱动。 –no-opengl-files:表示只安装驱动文件,不安装OpenGL文件。这个参数不可省略,否则会导致登陆界面死循环,英语一般称为”login loop”或者”stuck in login”。 8) 安装进行时的选项
9)在命令行中输入 nvidia-smi 如出现以下画面,即证明已正确安装一半。
10)重启电脑 reboot 11) 接着在命令行中输入 nvidia-settings 出现以下界面,代表显卡安装完全正确。
然后整个电脑桌面会变得非常清晰,图标也会相应的变小。可以进行相应的图标大小设置达到使用习惯即可。 |
|