共计 4407 个字符，预计需要花费 12 分钟才能阅读完成。
本文丸趣 TV 小编为大家详细介绍“Ubuntu 系统环境怎么配置”，内容详细，步骤清晰，细节处理妥当，希望这篇“Ubuntu 系统环境怎么配置”文章能帮助大家解决疑惑，下面跟着丸趣 TV 小编的思路慢慢深入，一起来学习新知识吧。
1. 系统安装
在 Ubuntu 官网下载最新的 ubuntu18.04 镜像文件。找一个空 u 盘制作系统启动盘，安装系统。建议安装英文版本。本文实验对象主要针对的是笔记本 windows 双系统版本的一个安装。(切记给 ubuntu 分配多点的内存，数据很大，且搭配固态效果更佳。)
运行下列命令, 做好一些铺垫：
sudo apt-get update
sudo apt-get upgrade
sudo apt-get install build-essential2. 安装 Nvidia 显卡驱动
由于一些系统默认显卡驱动的原因，网上的 PPA 安装显卡驱动的方式并不可以直接安装，且安装过程的网速极其缓慢，所以本文在安装显卡驱动这一步选择采用的是从官网下载合适的驱动文件，从文件安装。
2.1 首先禁用 Ubuntu18.04 默认的系统显卡驱动
打开系统名单，运行以下命令：
sudo gedit /etc/modprobe.d/blacklist.conf将下列代码增加到 blacklist.conf 文件的末尾：（都是黑名单）
#fornvidiadisplaydeviceinstallblacklistvga16fbblacklistnouveaublacklistrivafbblacklistrivatvblacklistnvidiafb保存，然后在命令行中更新 initramfs，运行：
sudoupdate-initramfs-u重新启动计算机，运行：
sudo reboot运行以下命令，查看是否禁用成功，若无输出则禁用成功：
lsmod | grep nouveau2.2 Nvidia 显卡驱动安装
首先卸载之前安装过的显卡驱动(如果之前安装过，安装失败的什么的)，确保卸载干净。
sudo apt-get --purge remove nvidia-*在 Nvidia 的驱动官网下载适合自己的驱动文件。根据官网显卡分类进行选择，如 GTX800series(Notebook)。选择合适的版本。由于不同的版本显卡驱动对 CUDA 版本支持的情况是不同的。所以选择的时候根据 CUDA 需要选择对应的稳定版本。
本文测试的是 CUDA9.0+410 驱动(下载下来文件为 NVIDIA-Linux-x86_64-410.78.run)
运行以下命令，赋予下载下来的驱动文件可执行的权限
sudo chmod +x NVIDIA-Linux-x86_64-410.78.run运行下列命令安装驱动，并按照提示安装。(ubuntu18 是不需要关闭图像化界面安装的，但 ubuntu16 需要关闭图像化界面。方便一些，而且少很多网上出现的安装问题)
sudo ./NVIDIA-Linux-x86_64-410.78.run在命令框中输入下列命令，若输出下列，则安装成功
nvidia-smi更新内核，并重新启动计算机
sudo update-initramfs -u
sudo reboot now
3. 降低 g ++/gcc 版本
3.1 安装相关依赖库
sudo apt-get install freeglut3-dev build-essential libx11-dev libxmu-dev libxi-dev libgl1-mesa-glx libglu1-mesa libglu1-mesa-dev3.2 由于 CUDA 的 gcc/g++ 的版本要求是 5.x 或 6.x，所以需要降低系统的 gcc/g++ 版本
gcc –version #查看 gcc 版本
#5.x gcc/g++ 版本安装：
sudo apt-get install gcc-5
sudo apt-get install g++-53.3 通过命令换掉系统版本
sudo update-alternatives --install /usr/bin/gcc gcc /usr/bin/gcc-5 50
sudo update-alternatives --install /usr/bin/g++ g++ /usr/bin/g++-5 504. 安装 CUDA9.0
进入 CUDA 官网下载相对应的文件，选择相对应的版本，目前官网无 ubuntu18 的选项，选择 ubuntu17.04 或 16.04 均可，总共有五个文件按照官网相应的顺序及命令安装即可。
sudo sh cuda_9.0.176_384.81_linux.run #仔细阅读每一个安装的选项，在进行下一步，其中有一步是安装显卡驱动，选择 no，前面已经安装了。
sudo sh cuda_9.0.176.1_linux.run
sudo sh cuda_9.0.176.2_linux.run
sudo sh cuda_9.0.176.3_linux.run
sudo sh cuda_9.0.176.4_linux.run在~/.bashrc 中添加环境变量：
export PATH=/usr/local/cuda-9.0/bin${PATH:+:${PATH}}# 添加 PATH
export LD_LIBRARY_PATH=/usr/local/cuda-9.0/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}
export CUDA_HOME=/usr/local/cuda# 大括号 {} 里面的意思类似于程序语句，将新加入的路径加入到原 PATH 中，PATH 中有很多路径
运行生效，完全生效重启
source ~/.bashrc
sudo reboot now
重启后，测试 CUDA 是否成功, 若 Result = PASS，表明 CUDA 安装成功。
cd ~/NVIDIA_CUDA-9.0_Samples/1_Utilities/deviceQuery
make -j4
sudo ./deviceQuery5. 安装 CUDNN
CUDNN 是一个常见神经网络的加速库，简单的来说与 CUDA 相比，其是更加优化的神经网络加速工具。
在 CUDNN 官网下载相对应版本的 CUDNN 文件，这里需要注册一个账号。一定要根据系统之前的版本选择对应的合适版本。
我这里下载的是 cudnn-9.0-linux-x64-v7.4.1.5.tgz 对应 CUDA9.0
用 tar 命令解压，得到 cuda 的文件夹：
tar -zxvf cudnn-9.0-linux-x64-v7.4.1.5.tgz拷贝相关文件到上面安装的 cuda 文件中，并赋予权限：
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*6. 安装 Virtualenv/Anaconda/Miniconda
virtualenv 将 python 环境单独分离出来，更加轻巧。Anaconda 相对来说功能更为强大。
6.1 Virtualenv 的安装及其使用
sudo apt-get install python2.7 python2.7-dev# 安装 python2.7 便于创建 2.7 的环境，2020 年 python2.7 将不再会获得支持，而今年已经 2019 了。
sudo apt-get install virtualenv# 安装 virtualenv创建及删除环境
virtualenv -p /usr/bin/python3.6 pytorch_1.0_36 # 指定 python 编辑器版本 3.6, 创建一个名为 pytorch_1.0_36 的环境
source ./pytorch_1.0_36/bin/activate # 启动环境
deactivate # 关闭环境
rm -r pytorch_1.0_36 # 删除环境#virtualenv 不指定位置则是在当前目录下创建的环境，其路径是绝对路径，所以 Virtualenv 创建的环境位置无法移动，否则会出问题。
在激活的环境中安装 pytorch：
#pip 可以更改源到阿里，速度会快很多
mkdir ~/.pip
cat ~/.pip/pip.conf EOF
#输入下面结果
[global]
trusted-host=mirrors.aliyun.com
index-url=https://mirrors.aliyun.com/pypi/simple/
#安装 pytorch
pip3 install torch torchvision6.2 Anaconda/Miniconda 的安装及其使用
下载
从 Anaconda 官网下载文件，建议安装 Miniconda，感觉更轻量级一些，占用的空间也少很多。
安装
bash Anaconda3-5.3.0-Linux-x86_64.sh # 这个自带的 pyhon=3.7创建及删除环境
conda create --name pytorch_1.0_36 python=3.6 # 创建 python 为 3.6 的虚拟环境
conda activate pytorch_1.0_36 # 激活环境
conda deactivate # 退出环境
conda remove --name pytorch_1.0_36 --all # 删除 pytorch_1.0_36 环境6.3 总结
ubuntu 中 python 是最大的依赖项，virtualenv 与 conda 最大的区别在于 python 环境的独立性。相对来说 virtualenv 略微的独立一些。
7. 其他
windows 上的一些 sublime 文本编辑器，chrome 都可以在这上面安装，效果也非常好，命令如下：
wget -q -O - https://dl.google.com/linux/linux_signing_key.pub | sudo apt-key add -
sudo apt-get update
sudo apt-get install google-chrome-stable启动 Chrome 浏览器，位置在 /usr/bin/google-chrome-stable，随后添加到状态栏。
也可以在设置中安装中文输入源，这样搜索一些中文也很方便，但系统还是推荐英文。(关闭图形化界面的黑框不支持中文)
读到这里，这篇“Ubuntu 系统环境怎么配置”文章已经介绍完毕，想要掌握这篇文章的知识点还需要大家自己动手实践使用过才能领会，如果想了解更多相关内容的文章，欢迎关注丸趣 TV 行业资讯频道。
