Advertisement

Windows 10 和 Ubuntu 18.04 双系统安装及深度学习环境搭建经验分享（上）

  •  5星
  •     浏览量: 0
  •     大小:None
  •      文件类型：None

简介：
本文详细介绍了在电脑中同时安装Windows 10和Ubuntu 18.04双系统的步骤，以及如何在Ubuntu环境下搭建深度学习开发环境的宝贵经验。 在经过两三天的努力之后，终于成功地在我的电脑上安装了Windows 10与Ubuntu 18.04的双系统，并且一路较为顺利。不过，在配置Ubuntu显卡设置的过程中遇到了不少问题，因此决定记录下来（2020年3月6日）。这篇文章主要分享一些关于双系统安装的经验和技巧，而有关Anaconda以及GPU的具体配置内容则会在后续的文章中进行更新。 文章目录如下： Win 10 + Ubuntu 18.04 双系统安装与深度学习环境配置安装踩坑实录（上篇） 硬件磁盘空间准备 Ubuntu 系统启动盘制作 BIOS设置 Ubuntu 安装 独立显卡驱动安装 关于具体的硬件设备，这里就不详细介绍了。重点在于硬盘、主板以及显卡的配置情况。这次主要的任务就是顺利地完成双系统环境的搭建工作。

全部评论 (0)

还没有任何评论哟~
客服
客服
客服关闭
  • Windows 10 和 Ubuntu 18.04 双系统安装及深度学习环境搭建经验分享（上）
    优质
    本文详细介绍了在电脑中同时安装Windows 10和Ubuntu 18.04双系统的步骤，以及如何在Ubuntu环境下搭建深度学习开发环境的宝贵经验。 在经过两三天的努力之后，终于成功地在我的电脑上安装了Windows 10与Ubuntu 18.04的双系统，并且一路较为顺利。不过，在配置Ubuntu显卡设置的过程中遇到了不少问题，因此决定记录下来（2020年3月6日）。这篇文章主要分享一些关于双系统安装的经验和技巧，而有关Anaconda以及GPU的具体配置内容则会在后续的文章中进行更新。 文章目录如下： Win 10 + Ubuntu 18.04 双系统安装与深度学习环境配置安装踩坑实录（上篇） 硬件磁盘空间准备 Ubuntu 系统启动盘制作 BIOS设置 Ubuntu 安装 独立显卡驱动安装 关于具体的硬件设备，这里就不详细介绍了。重点在于硬盘、主板以及显卡的配置情况。这次主要的任务就是顺利地完成双系统环境的搭建工作。
     
  • Windows 10 和 Ubuntu 18.04 双系统安装及深度学习环境搭建经验分享（上）
    优质
    本文详细介绍了在Windows 10和Ubuntu 18.04双系统环境下进行安装的操作步骤，并分享了搭建深度学习开发环境的经验，适合初学者参考。 在经过两天多的努力后，我终于成功地在我的电脑上安装了Windows 10 和 Ubuntu 18.04 的双系统，并且一路较为顺利。不过，在配置Ubuntu的显卡设置时遇到了不少问题，因此决定记录下来分享给大家（2020年3月6日）。本篇文章主要介绍一些关于双系统安装的经验和技巧，有关Anaconda以及GPU的具体配置内容将在后续的文章中进行更新。 文章目录 Win 10 + Ubuntu 18.04 双系统安装与深度学习环境配置踩坑实录（上篇） 硬件准备 磁盘空间分配 Ubuntu 系统启动盘制作步骤 BIOS设置指南 独立显卡驱动的安装方法
     
  • Windows 10与Ubuntu 18.04双系统安装指南
    优质
    本指南详细介绍了如何在个人电脑上同时安装和配置Windows 10和Ubuntu 18.04双操作系统，适合需要兼顾Windows生态和Linux环境的用户。 本段落详细介绍了如何在Windows 10和Linux Ubuntu-18.04之间安装双系统，并分步骤记录了整个过程。需要参考的朋友可以阅读此文。
     
  • Windows 10下安装Anaconda、PyTorch及CUDA与cuDNN的深度学习环境
    优质
    本教程详细介绍在Windows 10系统中搭建深度学习开发环境的过程，包括安装Anaconda、PyTorch以及配置CUDA和cuDNN等步骤。 在Windows 10环境下安装深度学习环境（Anaconda+Pytorch+CUDA+cuDDN）的第一步是安装Anaconda、OpenCV和Pytorch。如果直接运行代码没有报错，那么就完成了初步设置；然而通常会遇到AssertionError: Torch not compiled with CUDA enabled的错误提示，这表示需要安装CUDA或者使用的pytorch版本不包含CUDA支持。 解决这个问题的方法如下： 步骤一：安装CUDA 步骤二：安装cuDDN（注意这里应该是cudnn而非cuDDN） 完成以上两步后，请再次测试运行代码以确认设置是否正确无误。如果电脑硬件不支持或不想使用GPU加速深度学习，可以跳过上述与CUDA相关的步骤。
     
  • Windows 10 上 Ubuntu 18.04 子系统的官方手动安装包
    优质
    此简介介绍如何在Windows 10操作系统上通过官方渠道手动安装Ubuntu 18.04子系统，提供详细的步骤和注意事项。 从微软官方网站下载的文件已上传至此处供大家分享，请注意下载后需要解压。
     
  • Windows操作系统下的深度学习开发环境搭建指南
    优质
    本指南详细介绍了在Windows系统中构建高效深度学习开发环境的步骤和技巧，涵盖必要的软件安装、配置及优化方法。 ### Windows 下深度学习开发环境搭建知识点详解 #### 一、下载并安装 Anaconda Anaconda 是一款非常流行的科学计算和数据分析平台，集成了 Python、R 和其他语言的环境管理工具，方便用户安装、管理和更新软件包及其依赖项。在 Windows 系统下搭建深度学习环境时，通常首选 Anaconda。 **下载与安装步骤：** 1. **访问官方页面**：打开 Anaconda 官方下载页面。 2. **选择操作系统**：确保选择了“Windows”操作系统选项。 3. **选择 Python 版本**：因为 TensorFlow 等深度学习框架通常支持 Python 3.x，所以在这里选择 Python 3.x 的 64 位版本进行下载。 4. **执行安装**：双击下载好的 `.exe` 文件开始安装过程。安装过程中，请注意勾选“Add Anaconda to my PATH environment variable”和“Register Anaconda as my default Python 3.7 (or higher) distribution”两个选项，以便于后续使用。 5. **验证安装**：打开 Windows 命令行窗口，输入 `conda list` 来查看已安装的库列表，确认 Anaconda 已经成功安装。 #### 二、安装 Python 编译器 PyCharm PyCharm 是一款专为 Python 开发者设计的强大集成开发环境 (IDE)，提供代码编辑、调试、版本控制等功能，非常适合进行深度学习项目开发。 **下载与安装步骤：** 1. **访问官方页面**：访问 PyCharm 官网。 2. **下载安装包**：根据需求选择 Community Edition（社区版，免费）或 Professional Edition（专业版，付费）。下载对应的安装包。 3. **执行安装**：双击下载好的安装包，按照提示完成安装流程。 4. **配置环境**： - 在安装过程中，可以选择安装路径和其他自定义选项。 - 安装完成后，启动 PyCharm 并创建新项目。 - 配置项目的 Python 解释器（确保选择与 Anaconda 相同的 Python 版本）。 - 创建并测试一个简单的 Python 文件，例如打印 “Hello World!”，以验证安装是否正确。 #### 三、安装 Tensorflow TensorFlow 是由 Google 开发的开源机器学习框架，广泛应用于各种深度学习任务中。 **安装方法：** 1. **通过 Anaconda Navigator 安装**： - 打开 Anaconda Navigator 应用程序。 - 选择“Environments”标签页。 - 在左侧选择要安装 TensorFlow 的环境。 - 使用搜索功能找到 TensorFlow，并勾选安装。 - 点击“Apply”按钮以开始安装过程。 2. **通过命令行安装**： - 打开 Anaconda Prompt 或 Windows 命令行。 - 输入命令 `conda install tensorflow` 或 `pip install tensorflow`。 - 如果需要安装 GPU 支持版本，则需添加额外参数，如 `conda install tensorflow-gpu` 或 `pip install tensorflow-gpu`。 3. **使用国内镜像源**： - 为了提高下载速度，可以使用国内镜像源进行安装（例如清华大学的镜像站）。 - 命令示例：`pip install --index-url <国内镜像URL> tensorflow` #### 四、安装 OpenCV OpenCV 是一个开源计算机视觉库，广泛用于图像处理和计算机视觉应用。 **安装步骤：** 1. **通过 Anaconda 安装**： - 打开 Anaconda Prompt 或 Windows 命令行。 - 输入命令 `conda install opencv`。 2. **验证安装**： - 在 PyCharm 中创建一个新的 Python 文件。 - 导入 OpenCV 库并运行一些基本的图像处理操作来验证安装。 #### 五、安装 tensorboard（可选） TensorBoard 是 TensorFlow 提供的一个可视化工具，可以帮助开发者监控模型训练过程中的各种指标。 **安装步骤：** 1. **通过 pip 安装**： - 打开 Anaconda Prompt 或 Windows 命令行。 - 输入命令 `pip install tensorboard`。 2. **启动服务**： - 在命令行中切换到包含 TensorFlow 日志文件的目录。 - 运行命令 `tensorboard --logdir=.logs` 启动 TensorBoard 服务。 #### 六、安装 Keras 及配置 YOLOv3 目标检测环境 Keras 是一个高级神经网络 API，可以作为 TensorFlow 的接口使用。YOLOv3 是一种实时目标检测算法。 **安装 Keras：** 1. **通过 pip 安装**： - 打开 Anaconda Prompt 或 Windows 命令行。 - 输入命令 `pip install keras`。 **安装 YOLOv3 环境：** 1. **下载源码**：
     
  • 在Windows 10环境下利用EasyUEFI实现无U盘安装Ubuntu 18.04
    优质
    本文将详细介绍在Windows 10操作系统下，通过使用EasyUEFI工具进行无U盘安装Ubuntu 18.04的方法和步骤。 本段落主要介绍了在Windows 10系统下无需使用U盘安装Ubuntu 18的方法，并涉及到了EasyUEFI的使用体验。希望需要的朋友可以参考此内容。
     
  • 在Windows 10环境下利用EasyUEFI实现无U盘安装Ubuntu 18.04
    优质
    本教程详细介绍了如何在Windows 10操作系统中使用EasyUEFI工具，无需U盘的情况下成功安装Ubuntu 18.04系统，适合熟悉双系统配置的用户参考学习。 一. 查看BIOS启动模式：按下Win+R输入msinfo32查看电脑是UEFI还是Legacy BIOS启动模式。如果是UEFI则继续操作；如果不是，则推荐使用EasyBCD。 二. 实施步骤： 1. 下载并安装EasyUEFI。 2. 下载Ubuntu镜像文件.iso。 3. 准备磁盘：在左下角右键打开磁盘管理器，压缩5GB空间作为未分配区。然后新建简单卷，并选择FAT32格式化该分区。
     
  • 在Ubuntu 16.04/18.04裸系统上进行离线安装Docker环境
    优质
    本教程详细介绍如何在Ubuntu 16.04或18.04的纯净系统环境下，手动下载并配置离线安装Docker所需的全部文件及步骤。 在16.04和18.04系统上进行裸机测试的步骤如下： 1. 将以下四个文件：docker-engine_17.05.0_ce-0_ubuntu-trusty_amd64.deb、libgcrypt20_1.8.1-4ubuntu1_amd64.deb、libltdl7_2.4.6-2_amd64.deb 和 libsystemd-journal0_204-5ubuntu20_amd64.deb 放在同一目录中。 2. 在终端运行命令 `dpkg -i *.deb`。 3. 运行命令 `docker version`，如果显示版本号，则说明 Docker 安装成功。
     
  • Ubuntu详尽全面配置指南（含深度学习环境搭建）
    优质
    本指南深入浅出地讲解了如何在Ubuntu系统中进行详细配置，并涵盖了从基础设置到高级优化的各项技巧。特别包括了构建高效深度学习开发环境的具体步骤和建议，旨在帮助开发者快速上手并充分利用Ubuntu系统的强大功能。 Ubuntu超详细完全配置教程： 1. 安装常用软件并卸载不必要的软件。 2. 桌面美化设置。 3. 配置Anaconda、Pytorch深度学习环境。 4. 在VSCode中使用通过Anaconda创建的虚拟环境进行配置。 5. 远程连接配置，包括SSH协议（如Xshell）和文件传输（如Xftp）。