1 前言 我们进行双系统的安装 电脑起初是win10系统，在此基础上留出80G“为分配”的空间来装载ubuntu20.04系统，按照下列方法进行安装，亲测有效。 安装ubuntu前，电脑基本配置是： WIN10； GeForce GTX 1650； i7-9750H CPU； 7.6 GiB； 512.1 GB SSD ；
2 方式 推荐跟着视频一步步地进行操作，亲测有效。 视频教程链接：【ubuntu20.04】10分钟win10安装ubuntu20.04双系统（无需Bios设置）
其实按照上面的方式，足够大家安装运行，不过为了防止该视频因特殊情况而失效，还是尝试做一个简单的总结：
下载软件：ubuntu-20.04-desktop-amd64.iso（桌面版而不是服务器版本） 、rufus-3.11.exe（用制作系统启动盘的高效简便的官方推荐软件）。烧录系统：准备32G以上的U盘，打开rufus软件，仅需要指定U盘以及iso文件的位置。我在制作的时候，可能会提示需要安装几个文件，同意即可。 Windows分区：通过磁盘管理器，通过压缩或者扩展的方式得到一定大小的“未分配的内存空间”。**我分配了80G，如果需要扩展卷，是需要被扩展卷的右侧有未被分配的空间的。同时，未被分配的内存不会在“我的电脑”中显示。**至此，准备工作结束。重启并通过U盘进入安装界面：视频中介绍了一种shift+点击重启的技术，替代通过F12、bios选择，详情见视频，安装选择：为了安装方便，选择中文语言、“更新和其他软件”中选择正常安装、“安装类型”中选择 其他选项，进而选择目标“空闲”内存作为分区位置，其中，挂载点位置，对于初学者，应填写“/”、“这是谁”中密码因为会经常使用，所以不建议繁琐，用户名不可以为大写，最终较为漫长的等待。安装结束后重启，重启时会提醒将U盘拔出。电脑启动：先进入GRUB界面，使用户选择进入哪个系统，默认会选择Ubuntu。至此，安装全部结束。
1 自己的界面
背景图片是系统自带，使用了系统自带的图标和主题，对shell使用了其他的风格。 外观-Dock更改 声音-允许声音超过100,另输出声音均衡输出。我没有使用网上大肆推崇的Mac风格，我尝试过，由于图标颜色与背景不搭等视觉问题，我最终回归了Ubuntu自带的风格。 我也没有使用Dash to dock 与Dash to panel 两个常用的扩展，因为有时候会出一点问题，不愿意为了画面美观过度消费精力。 在经过一番折腾后，虽然几近回到了原点，但是我仍然保留了chromeOS风格的shell，让我比较喜欢。
2 方式
我几乎就是根据重点参考文章，真正的大神，实时更新，给Ubuntu18.04(18.10)安装mac os主题这篇文章过了一把瘾。
不过一些网站的打开速度，确实让人感动，因此也建议大家如果无闲暇时间，就不要尝试打开这些网页下载。 推荐文章的大神特意分享了一些thems和icons，我也保存了下来，做了分享，以备不时之需。
链接：https://pan.baidu.com/s/11i5oMBd0NEqI7KNpza-75A 密码：49zr
具体的使用方式，见大神的巨作！
ubuntu20.04中因为缺少某些包的原因，不能再安装搜狗输入法了。 我尝试使用谷歌输入法，虽然没有windows系统下的界面舒服，但是是目前我本人用过比较满意的。
具体的执行方式参考：ubuntu 20.04中文输入法安装。 简述为三步：
sudo apt-get install fcitx-googlepinyinlanguage support 中的键盘输入法系统Keyboard input method system将默认的iBus，更改为fcitx。应用程序fcitx配置中通过加号+添加新的输入法Google Pinyin。参考文章ubuntu装机一条龙
wget -qO - https://download.sublimetext.com/sublimehq-pub.gpg | sudo apt-key add - sudo apt-get install apt-transport-https echo "deb https://download.sublimetext.com/ apt/stable/" | sudo tee /etc/apt/sources.list.d/sublime-text.list sudo apt-get update sudo apt-get install sublime-text wget -qO - https://typora.io/linux/public-key.asc | sudo apt-key add - sudo add-apt-repository 'deb https://typora.io/linux ./' sudo apt-get update sudo apt-get install typora参考文章Ubuntu 20.04 安装微信、QQ等 其中，TopIcons Plus插件的安装，参考文章ubuntu18 安装TopIcons-plus
经常性的微信对于我而言，还有另一个不可或缺的功能是：截图！
注意的是：
关于截图，如果快捷键设置不对，就不能唤醒截图功能，可以多次尝试尝试；而且如果微信的界面没有显示，就算是托盘悬浮，也不能通过快捷键唤醒截图功能。不过自己尝试的时候，感觉截屏的图像不能够粘贴到其他的平台。只能在微信内部粘贴复制。TIM的情况与微信一致，不过TIM的截图可以在微信中粘贴复制，微信的也可以在TIM中使用。具体的内容需要大家自行探索。参考文章：Ubuntu18.04深度学习GPU环境配置.
需要首要强调的是，从diver的版本到cuda、cuDNN以及Anaconda，版本必须相匹配，且前面的的版本决定了后面的版本，而driver的版本则取决于系统的类型和GPU的款式。
下面的内容并不具体，只是将命令行copy了，因而缺乏图像说明与展示。
1 驱动安装流程 首先删除旧有的驱动、其次禁止自带的nouveau nvidia驱动、然后添加PPA、最终通过PPA存储哭安装适合的dirver。
2 删除旧的驱动 原来Linux默认安装的显卡驱动不是英伟达的驱动，所以先把旧得驱动删除掉
sudo apt-get purge nvidia*3 禁止自带的nouveau nvidia驱动 打开配置文件：
sudo vim /etc/modprobe.d/blacklist-nouveau.conf填写禁止配置的内容：
blacklist nouveau options nouveau modeset=0更新配置文件
sudo update-initramfs -u至此，需要重启一下，这里需要知道，当遇到驱动安装或者更改时，我们通常需要在操作完成后重新启动系统。
4 添加Graphic Drivers PPA
# 将ppa:graphics-drivers/ppa存储库添加到系统中 sudo add-apt-repository ppa:graphics-drivers/ppa sudo apt-get update查看合适的驱动版本：
# 接下来，确定您的显卡型号和推荐的驱动程序 ubuntu-drivers devices ################### (base) martoony@xutongli-OMEN:~$ ubuntu-drivers devices == /sys/devices/pci0000:00/0000:00:01.0/0000:01:00.0 == modalias : pci:v000010DEd00001F91sv0000103Csd00008575bc03sc00i00 vendor : NVIDIA Corporation model : TU117M [GeForce GTX 1650 Mobile / Max-Q] driver : nvidia-driver-440 - distro non-free recommended driver : nvidia-driver-435 - distro non-free driver : xserver-xorg-video-nouveau - distro free builtin这里显示建议安装440。
# 安装 sudo apt-get install nvidia-driver-440这里安装时，你的终端中应该会出现了一个通知， 内容大致是提醒你重新启动电脑，并且重新启动之前，需要输入一个密码，在重启的时候会用它启动驱动的切换。
事实上我在进行该行命令时，在弹出提醒后，就卡了，无法点击确定退出，也根本没有遇到要求写入密码的环节。 暴力关掉终端后，再次运行该命令，会提示apt被6547的进程占用，于是通过kill命令杀死了该进程。
之后，我在网上百度，得知可以通过“软件与更新”中的附加驱动切换驱动程序。
因而我换用了435的驱动，点击应用更改后，过一会儿会出现输入密码的环节。（仿佛这样的方式才是正常的方式，我不确定附加驱动中是否在一开始就存在这两个驱动的选项，如果一开始就存在，那不妨就通过该方式进行安装，倒来得方便）
以上介绍了一个bug，但是重点在于，重启操作执行后，会跳出一个蓝色背景的界面perform mok management，这个界面的操作才是关键。 参考文章配有 Nvidia 显卡的笔记本安装 ubuntu18.04 所遇到的问题与解决以及Ubuntu16的gtx1070显卡+对应显卡驱动安装（精简版）
正确的做法是：
当进入蓝色背景的界面perform mok management 后，选择 enroll mok ,如果选择的是continue boot，则会正常进入系统，但是并不会加载驱动。进入enroll mok 界面，选择 continue ,进入enroll the key 界面，选择 yes ,接下来输入你在安装驱动时输入的密码，之后会跳到蓝色背景的界面perform mok management 选择第一个 reboot # 完成后，重新启动系统 sudo reboot这样，重启后N卡驱动就加载了。
5 其他的安装方式简介
注意，你可能看到其他的安装方式。 比如，通过Nvidia驱动下载官网查询下载，从该网站查询可知，我应该安装的驱动版本是430,而事实上，我通过PPA方式安装的是435也可以用，如果是这种方式安装，下载后也可以安装，具体的操作方式参考文章如何在Ubuntu 18.04 Bionic Beaver Linux上安装NVIDIA驱动程序,文章还介绍了第三种方式，即通过标准Ubuntu存储库自动安装
总的来说，推荐通过PPA信息库的方式安装最新的Nvidia beta驱动程序，以免出现系统不稳定的风险，除此之外，从官网下载run文件再安装的方式也是比较常用的。
6 测试驱动是否完成
nvidia-smi ############################# Sun Jul 5 11:00:10 2020 +-----------------------------------------------------------------------------+ | NVIDIA-SMI 435.21 Driver Version: 435.21 CUDA Version: 10.1 | |-------------------------------+----------------------+----------------------+ | GPU Name Persistence-M| Bus-Id Disp.A | Volatile Uncorr. ECC | | Fan Temp Perf Pwr:Usage/Cap| Memory-Usage | GPU-Util Compute M. | |===============================+======================+======================| | 0 GeForce GTX 1650 Off | 00000000:01:00.0 Off | N/A | | N/A 43C P8 2W / N/A | 577MiB / 3911MiB | 11% Default | +-------------------------------+----------------------+----------------------+ +-----------------------------------------------------------------------------+ | Processes: GPU Memory | | GPU PID Type Process name Usage | |=============================================================================| | 0 1172 G /usr/lib/xorg/Xorg 45MiB | | 0 1726 G /usr/lib/xorg/Xorg 241MiB | | 0 3042 G ...AAAAAAAAAAAACAAAAAAAAAA= --shared-files 106MiB | | 0 49895 G /usr/bin/gnome-shell 175MiB | +-----------------------------------------------------------------------------+通过官网查询NVIDIA CUDA Toolkit Release Notes. 方便起见，将相关的图展示出来。 我的驱动是435的，因而我选择最新且适应的CUDA10.1。 然后进入官网下载对应的版本CUDA Toolkit Archive 以上的版本都可以选择性的安装，如果安装较低版本的CUDA应该会被通知更新升级吧，具体没有了解，不过不重要，程序安装，坚持按部就班就是对的。
以 10.1 update为例。 下载到Downloads文件下，再启动终端，执行sudo sh命令。 不过在执行sudo sh命令之前，需要做两件预备工作。
首先是，安装依赖库。
# 依赖库安装 sudo apt-get install freeglut3-dev build-essential libx11-dev libxmu-dev libxi-dev libgl1-mesa-glx libglu1-mesa libglu1-mesa-dev其次是，降级gcc的版本 通常我们的ubuntu系统自带的gcc版本较高，比如ubuntu20.04中的gcc是9.3.0版本的。 而CUDA9.0要求GCC版本是5.x或者6.x；CUDA10.0则要求GCC版本是7，并且ubuntu20.04中当安装gcc 5 的时候，提示已经不提供了。 这就是需要降低gcc版本的原因。
方法如下：
查看自己系统的gcc版本 g++ --version ###################################### 已经是修改后的版本。 g++ (Ubuntu 7.5.0-6ubuntu2) 7.5.0 Copyright (C) 2017 Free Software Foundation, Inc. This is free software; see the source for copying conditions. There is NO warranty; not even for MERCHANTABILITY or FITNESS FOR A PARTICULAR PURPOSE.根据官网选择匹配的gcc版本。
参考文章NVIDIA CUDA Installation Guide for Linux
如果自带gcc是高版本，进行降级操作
# 首先，安装地版本的gcc sudo apt-get install gcc-7 sudo apt-get install g++-7 # 替换之前的版本 # 其中的50 表示优先级，具体意义并不清楚，但是有效 sudo update-alternatives --install /usr/bin/gcc gcc /usr/bin/gcc-7 50 sudo update-alternatives --install /usr/bin/g++ g++ /usr/bin/g++-7 50 # 再次查看gcc版本，检查是否修改完毕。 g++ --version1 执行命令
# 具体的run文件的名字结合自己的匹配版本进行修改。 sudo sh cuda_10.1.168_418.67_linux.run2 输入accept 3 选择安装选项：不选驱动 接下来的步骤均是yes。 参考文章Ubuntu：安装 cuda10.1 驱动
显示的内容是
./deviceQuery Starting... CUDA Device Query (Runtime API) version (CUDART static linking) Detected 1 CUDA Capable device(s) Device 0: "GeForce GTX 1650" CUDA Driver Version / Runtime Version 10.1 / 10.1 CUDA Capability Major/Minor version number: 7.5 Total amount of global memory: 3912 MBytes (4101898240 bytes) (16) Multiprocessors, ( 64) CUDA Cores/MP: 1024 CUDA Cores GPU Max Clock rate: 1560 MHz (1.56 GHz) Memory Clock rate: 4001 Mhz Memory Bus Width: 128-bit L2 Cache Size: 1048576 bytes Maximum Texture Dimension Size (x,y,z) 1D=(131072), 2D=(131072, 65536), 3D=(16384, 16384, 16384) Maximum Layered 1D Texture Size, (num) layers 1D=(32768), 2048 layers Maximum Layered 2D Texture Size, (num) layers 2D=(32768, 32768), 2048 layers Total amount of constant memory: 65536 bytes Total amount of shared memory per block: 49152 bytes Total number of registers available per block: 65536 Warp size: 32 Maximum number of threads per multiprocessor: 1024 Maximum number of threads per block: 1024 Max dimension size of a thread block (x,y,z): (1024, 1024, 64) Max dimension size of a grid size (x,y,z): (2147483647, 65535, 65535) Maximum memory pitch: 2147483647 bytes Texture alignment: 512 bytes Concurrent copy and kernel execution: Yes with 3 copy engine(s) Run time limit on kernels: Yes Integrated GPU sharing Host Memory: No Support host page-locked memory mapping: Yes Alignment requirement for Surfaces: Yes Device has ECC support: Disabled Device supports Unified Addressing (UVA): Yes Device supports Compute Preemption: Yes Supports Cooperative Kernel Launch: Yes Supports MultiDevice Co-op Kernel Launch: Yes Device PCI Domain ID / Bus ID / location ID: 0 / 1 / 0 Compute Mode: < Default (multiple host threads can use ::cudaSetDevice() with device simultaneously) > deviceQuery, CUDA Driver = CUDART, CUDA Driver Version = 10.1, CUDA Runtime Version = 10.1, NumDevs = 1 Result = PASS如此，表示通过。 通过以下命令可以检测driver的版本以及GPU的使用情况
sudo nvidia-smi ######################################## Sun Jul 5 11:00:10 2020 +-----------------------------------------------------------------------------+ | NVIDIA-SMI 435.21 Driver Version: 435.21 CUDA Version: 10.1 | |-------------------------------+----------------------+----------------------+ | GPU Name Persistence-M| Bus-Id Disp.A | Volatile Uncorr. ECC | | Fan Temp Perf Pwr:Usage/Cap| Memory-Usage | GPU-Util Compute M. | |===============================+======================+======================| | 0 GeForce GTX 1650 Off | 00000000:01:00.0 Off | N/A | | N/A 43C P8 2W / N/A | 577MiB / 3911MiB | 11% Default | +-------------------------------+----------------------+----------------------+ +-----------------------------------------------------------------------------+ | Processes: GPU Memory | | GPU PID Type Process name Usage | |=============================================================================| | 0 1172 G /usr/lib/xorg/Xorg 45MiB | | 0 1726 G /usr/lib/xorg/Xorg 241MiB | | 0 3042 G ...AAAAAAAAAAAACAAAAAAAAAA= --shared-files 106MiB | | 0 49895 G /usr/bin/gnome-shell 175MiB | +-----------------------------------------------------------------------------+同时，如果在进行深度学习训练时，可以执行如下命令实时检测GPU使用。
# 我们设置为每 10s 显示一次显存的情况 watch -n 10 nvidia-smi ############################### Every 10.0s: nvidia-smi xutongli-OMEN: Sun Jul 5 11:24:40 2020 Sun Jul 5 11:24:40 2020 +-----------------------------------------------------------------------------+ | NVIDIA-SMI 435.21 Driver Version: 435.21 CUDA Version: 10.1 | |-------------------------------+----------------------+----------------------+ | GPU Name Persistence-M| Bus-Id Disp.A | Volatile Uncorr. ECC | | Fan Temp Perf Pwr:Usage/Cap| Memory-Usage | GPU-Util Compute M. | |===============================+======================+======================| | 0 GeForce GTX 1650 Off | 00000000:01:00.0 Off | N/A | | N/A 43C P8 2W / N/A | 582MiB / 3911MiB | 2% Default | +-------------------------------+----------------------+----------------------+ +-----------------------------------------------------------------------------+ | Processes: GPU Memory | | GPU PID Type Process name Usage | |=============================================================================| | 0 1172 G /usr/lib/xorg/Xorg 45MiB | | 0 1726 G /usr/lib/xorg/Xorg 240MiB | | 0 3042 G ...AAAAAAAAAAAACAAAAAAAAAA= --shared-files 108MiB | | 0 49895 G /usr/bin/gnome-shell 178MiB | +-----------------------------------------------------------------------------+ 上面的表格中： 第一栏的Fan：N/A是风扇转速，从0到100%之间变动。有的设备不会返回转速，因为它不依赖风扇冷却而是通过其他外设保持低温。 第二栏的Temp：是温度，单位摄氏度。 第三栏的Perf：是性能状态，从P0到P12，P0表示最大性能，P12表示状态最小性能。 第四栏下方的Pwr：是能耗，上方的Persistence-M：是持续模式的状态，持续模式虽然耗能大，但是在新的GPU应用启动时，花费的时间更少，这里显示的是off的状态。 第五栏的Bus-Id是涉及GPU总线的东西，domain:bus:device.function 第六栏的Disp.A是Display Active，表示GPU的显示是否初始化。 第五第六栏下方的Memory Usage是显存使用率。 第七栏是浮动的GPU利用率。 第八栏上方是关于ECC的东西。 第八栏下方Compute M是计算模式。1 选择匹配的版本下载对应的三个deb文件包 参考网站cuDNN Download,应该是需要登录后才可以下载。 找到下面的三个文件，下载到Downloads中 注意的是，ubuntu系统为20.04,我们选择18.04也是可以的。 重要的是根据CUDA版本选择cuDNN。
2 安装cnDNN
# 安装命令 tar -zxvf cudnn-10.1-linux-x64-v7.6.5.32.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 sudo chmod a+r /usr/local/cuda/lib64/libcudnn* cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 23 测试
# 如图中的命令 cp -r /usr/src/cudnn_samples_v7/ $HOME cd $HOME/cudnn_samples_v7/mnistCUDNN make clean && make ./mnistCUDNN ################################################################# 最终如果有提示信息：“Test passed! ”，则说明安装成功 cudnnGetVersion() : 7605 , CUDNN_VERSION from cudnn.h : 7605 (7.6.5) Host compiler version : GCC 7.5.0 There are 1 CUDA capable devices on your machine : device 0 : sms 16 Capabilities 7.5, SmClock 1560.0 Mhz, MemSize (Mb) 3911, MemClock 4001.0 Mhz, Ecc=0, boardGroupID=0 Using device 0 Testing single precision Loading image data/one_28x28.pgm Performing forward propagation ... Testing cudnnGetConvolutionForwardAlgorithm ... Fastest algorithm is Algo 0 Testing cudnnFindConvolutionForwardAlgorithm ... ^^^^ CUDNN_STATUS_SUCCESS for Algo 0: 0.017376 time requiring 0 memory ^^^^ CUDNN_STATUS_SUCCESS for Algo 1: 0.040768 time requiring 3464 memory ^^^^ CUDNN_STATUS_SUCCESS for Algo 2: 0.042656 time requiring 57600 memory ^^^^ CUDNN_STATUS_SUCCESS for Algo 5: 0.069632 time requiring 203008 memory ^^^^ CUDNN_STATUS_SUCCESS for Algo 7: 0.118784 time requiring 2057744 memory Resulting weights from Softmax: 0.0000000 0.9999399 0.0000000 0.0000000 0.0000561 0.0000000 0.0000012 0.0000017 0.0000010 0.0000000 Loading image data/three_28x28.pgm Performing forward propagation ... Resulting weights from Softmax: 0.0000000 0.0000000 0.0000000 0.9999288 0.0000000 0.0000711 0.0000000 0.0000000 0.0000000 0.0000000 Loading image data/five_28x28.pgm Performing forward propagation ... Resulting weights from Softmax: 0.0000000 0.0000008 0.0000000 0.0000002 0.0000000 0.9999820 0.0000154 0.0000000 0.0000012 0.0000006 Result of classification: 1 3 5 Test passed! Testing half precision (math in single precision) Loading image data/one_28x28.pgm Performing forward propagation ... Testing cudnnGetConvolutionForwardAlgorithm ... Fastest algorithm is Algo 0 Testing cudnnFindConvolutionForwardAlgorithm ... ^^^^ CUDNN_STATUS_SUCCESS for Algo 2: 0.029216 time requiring 28800 memory ^^^^ CUDNN_STATUS_SUCCESS for Algo 1: 0.030720 time requiring 3464 memory ^^^^ CUDNN_STATUS_SUCCESS for Algo 0: 0.047232 time requiring 0 memory ^^^^ CUDNN_STATUS_SUCCESS for Algo 5: 0.059360 time requiring 203008 memory ^^^^ CUDNN_STATUS_SUCCESS for Algo 4: 0.064672 time requiring 207360 memory Resulting weights from Softmax: 0.0000001 1.0000000 0.0000001 0.0000000 0.0000563 0.0000001 0.0000012 0.0000017 0.0000010 0.0000001 Loading image data/three_28x28.pgm Performing forward propagation ... Resulting weights from Softmax: 0.0000000 0.0000000 0.0000000 1.0000000 0.0000000 0.0000714 0.0000000 0.0000000 0.0000000 0.0000000 Loading image data/five_28x28.pgm Performing forward propagation ... Resulting weights from Softmax: 0.0000000 0.0000008 0.0000000 0.0000002 0.0000000 1.0000000 0.0000154 0.0000000 0.0000012 0.0000006 Result of classification: 1 3 5 Test passed!至此，深度神经网络的GPU环境已经安装完毕
建议使用anaconda以及虚拟环境进行开发，通过Anaconda安装jupyterNotebook等内容。
通过官网进行下载Anaconda安装程序.下载到Downloads中。
安装过程是参考官网Installing on Linux,
bash Anaconda3-2020.02-Linux-x86_64.sh同时参考中文的操作文档Ubuntu 安装 Anaconda3 详细步骤
sudo gedit ~/.bashrc export PATH=/home/aeasringnar/anaconda3/bin:$PATH source ~/.bashrc参考文章：在Ubuntu 20.04中安装Pycharm 2020.1 另，pycharm添加桌面图标的另一个方式是：
安装完anaconda 以后可以在终端直接用pip 对TensorFlow和Keras进行安装，这时，是对conda中的python进行的安装，而不是系统自带的。
建议采用conda安装，参考文章ubuntu16.04下安装&配置anaconda+tensorflow新手教程
至此，结束所有的内容。
