雷神新911PRO晖金二代win10+ubuntu16.04系统安装教程
雷神新911PRO晖金二代win10+ubuntu16.04系统安装教程
1、ubuntu16.04安装1.1、ubuntu16.04下载1.2、安装U盘制作1.3、ubuntu16.04安装 2、识别不到无线网卡3、RTX2070S显卡驱动安装3.1、驱动下载3.2、驱动安装 3、深度学习环境安装3.1 安装Anaconda33.2 安装tensorflow-gpu3.3 深度学习环境测试1、ubuntu16.04安装
1.1、ubuntu16.04下载
建议大家直接到ubuntu官网下载ubuntu的安装包
链接: /16.04/ubuntu-16.04.6-desktop-amd64.iso.
1.2、安装U盘制作
UltraISO下载并制作安装，官网下载或者直接在网上下载UltraISO，打开后点击使用就行。为避免后面无法使别到U盘，制作过程中需将写入方式应选择USB-ZIP，详细步骤请参考博客: /fu6543210/article/details/79722615。
1.3、ubuntu16.04安装
出现开机画面时按F2进入bios界面，将Secure Boot设置为Disabled，F10保存并退出。重启计算机，出现开机画面按住F12，选择U盘启动。接下来根据提示安装ubuntu16.04，详情请参考链接: /lingyunxianhe/article/details/81415675。分区大小根据需求和硬件自行修改。
2、识别不到无线网卡
雷神新911PRO晖金二代显卡是intel WIFI6 AX201，安装ubuntu16.04后会出现无线网卡无法识别的现象，左上角没有无线图标或者没有连接wifie的选项。先通过有线安装无线网卡，无线网卡为ubuntu官方给出的linux-firmware_1.187_all.deb，详情请参考博客链接:
/dieju8330/article/details/101422743.
3、RTX2070S显卡驱动安装
3.1、驱动下载
从NVIDIA官网下载驱动（我安装的NVIDIA-Linux-x86_64-440.82.run），链接: /drivers.选择合适的版本下载，放在英文目录下，后续操作可能无法识别中文目录。
3.2、驱动安装
如果之前有安装驱动，需要先卸载旧版本驱动，没有就不用：
$sudo apt-get remove nvidia-*
$sudo apt-get autoremove (加上才能卸载干净原驱动)
禁用Nouveau,还有一种方法是在/etc/modprobe.d/blacklist.conf的最后一行加上
blacklist nouveau
options nouveau modeset=0
然后使其生效：
$sudo update-initramfs -u
使用这个命令看是否有输出，如果没有证明禁用成功
$lsmod | grep nouveau
开始安装
输入CTRL+ALT+F1进入文本模式
关闭显示服务：
$sudo service lightdm stop
$cd 文件目录
权限：
$chmod a+x NVIDIA-Linux-x86_64-418.43.run
这里注意用自己的安装包名称
$sudo ./NVIDIA-Linux-x86_64-418.43.run -no-opengl-files
安装过程中：
在NVIDIA驱动安装过程中，依次的选项为：
选：accept（注：白色为选中，不是红色）
The distribution-provided pre-install script failed … …
选：Continue installation
Would you like to run the nvidia-xconfig utility to automatically update your X Configuration file so set the NVIDIA X driver will be used when you restart X?
选：NO
Install 32-Bit compatibility libraries?
选：NO
启动显示服务
$sudo service lightdm restart（将自动跳转到桌面）
查看Nvidia驱动是否安装成功
$nvidia-smi
显示信息的话表示安装成功
3、深度学习环境安装
3.1 安装Anaconda3
官网下载链接:
/archive/Anaconda3-.02-Linux-x86_64.sh。
下载后在Anaconda3-.02-Linux-x86_64.sh文件目录下开始安装
// An highlighted blockbash Anaconda3-.02-Linux-x86_64.sh
详情可参考链接:
/u012318074/article/details/77074665.
3.2 安装tensorflow-gpu
直接跳过cuda和cudnn的安装，通过conda install tensorflow-gpu一步到位。如果只是使用官方源的话可能会很慢，导致超时，因此需要添加其他的源，如清华提供的源：conda config --add channels https://mirrors.tuna./anaconda/cloud/conda-forge/。更多的源可以参考https://mirrors.tuna./help/anaconda/
// An highlighted blockconda install tensorflow-gpu;
3.3 深度学习环境测试
测试程序为
import tensorflow as tf import timeit with tf.device('/cpu:0'): cpu_a = tf.random.normal([10000, 1000]) cpu_b = tf.random.normal([1000, 2000]) print(cpu_a.device, cpu_b.device)with tf.device('/gpu:0'): gpu_a = tf.random.normal([10000, 1000]) gpu_b = tf.random.normal([1000, 2000]) print(gpu_a.device, gpu_b.device) def cpu_run(): with tf.device('/cpu:0'): c = tf.matmul(cpu_a, cpu_b) return c def gpu_run(): with tf.device('/gpu:0'): c = tf.matmul(gpu_a, gpu_b) return c # warm up cpu_time = timeit.timeit(cpu_run, number=10) gpu_time = timeit.timeit(gpu_run, number=10) print('warmup:', cpu_time, gpu_time) cpu_time = timeit.timeit(cpu_run, number=10) gpu_time = timeit.timeit(gpu_run, number=10) print('run time:', cpu_time, gpu_time)
通过watch -n 1 nvidia-smi 命令实时查看GPU运行情况，运行上面程序，GPU使用情况发生变化则深度学习环境搭建成功。
上述为个人在雷神新911PRO晖金二代win10+ubuntu16.04搭建深度学习环境所踩的坑，通过博客记录下来供以后参考和广大博友避坑。第一次写博客，若有错误望批评指正，博客内容若有侵权请联系删除
