关键词：
目录
ubuntu的内核配置
避免安装cuda后更新liunx内核引发的cuda驱动错误
系统更新
sudo apt update && sudo apt full-upgrade -y
查看所有内核
dpkg --get-selections | grep linux
终端显示：
binutils-x86-64-linux-gnu install
console-setup-linux install
libselinux1:amd64 install
libselinux1-dev:amd64 install
linux-base install
linux-firmware install
linux-generic install
linux-generic-hwe-20.04 install
linux-headers-5.13.0-44-generic install
linux-headers-5.13.0-51 install
linux-headers-5.13.0-51-generic install
linux-headers-generic install
linux-headers-generic-hwe-20.04 install
linux-hwe-5.13-headers-5.13.0-44 install
linux-hwe-5.13-headers-5.13.0-74 install
linux-image-5.13.0-44-generic install
linux-image-5.13.0-51-generic install
linux-image-generic install
linux-image-generic-hwe-20.04 install
linux-libc-dev:amd64 install
linux-modules-5.13.0-44-generic install
linux-modules-5.13.0-74-generic install
linux-modules-5.13.0-51-generic install
linux-modules-extra-5.13.0-44-generic install
linux-modules-extra-5.13.0-51-generic install
linux-signed-generic-hwe-20.04 install
linux-sound-base install
pptp-linux install
util-linux install
删除冗余的内核
sudo apt-get remove \\
linux-headers-5.13.0-44 \\
linux-headers-5.13.0-44-generic \\
linux-image-5.13.0-44-generic \\
linux-modules-5.13.0-44-generic \\
linux-modules-extra-5.13.0-44-generic
卸载后，再重新检查一下现有的内核：
dpkg --get-selections | grep linux
状态为 deinstall 即已经卸载，如果觉得看着不舒服的话可以使用 purge 连配置文件里一起彻底删除，清理内核列表
sudo apt-get purge \\
linux-headers-5.13.0-44 \\
linux-headers-5.13.0-44-generic \\
linux-image-5.13.0-44-generic \\
linux-modules-5.13.0-44-generic \\
linux-modules-extra-5.13.0-44-generic
最后，更新 GRUB：
sudo update-grub
锁定ubuntu的内核
sudo apt-mark hold linux-headers-5.13.0-51
sudo apt-mark hold linux-headers-5.13.0-51-generic
sudo apt-mark hold linux-image-5.13.0-51-generic
解锁ubuntu的内核
sudo apt-mark unhold linux-headers-5.13.0-51
sudo apt-mark unhold linux-headers-5.13.0-51-generic
sudo apt-mark unhold linux-image-5.13.0-51-generic
配置完后建议重启机器：
sudo reboot now
安装cuda11.3和cudnn8.2.1
在系统的软件和更新中找到附加驱动的选项。选择 nvidia-driver-510，勾选后直接点击应用更改。
我这里直接提供预先下载好的cuda11.3+cudnn8.2.1。百度网盘
安装CUDA11.3
sudo sh cuda_11.3.1_465.19.01_linux.run
会等上一段时间，跟着提示操作就行。
最后按如下步骤操作
最后
sudo nano ~/.bashrc
写入
export CUDA_HOME=/usr/local/cuda-11.3
export PATH=$PATH:$CUDA_HOME/bin
export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/cuda-11.3/lib64
更新~/.bashrc
source ~/.bashrc
验证：
nvcc -V
安装正确情况如下：
l@l-GF63-Thin-9SC:~/Desktop$ nvcc -V
nvcc: NVIDIA (R) Cuda compiler driver
Copyright (c) 2005-2021 NVIDIA Corporation
Built on Mon_May__3_19:15:13_PDT_2021
Cuda compilation tools, release 11.3, V11.3.109
Build cuda_11.3.r11.3/compiler.29920130_0
安装cudnn8.2.1
sudo dpkg -i libcudnn8_8.2.1.32-1+cuda11.3_amd64.deb
sudo dpkg -i libcudnn8_8.2.1.32-1+cuda11.3_amd64.deb
sudo dpkg -i libcudnn8-samples_8.2.1.32-1+cuda11.3_amd64.deb
安装一些必要的库：
sudo apt-get install libfreeimage3 libfreeimage-dev freeglut3 freeglut3-dev libglfw3-dev -y
测试
sudo cp -r /usr/src/cudnn_samples_v8 ~/Desktop
cd mnistCUDNN && sudo make -j2 && ./mnistCUDNN
结果如下即为正确：
安装OpenCV4.6.0支持cuda加速
安装相关依赖
sudo apt-get update sudo apt-get upgrade -y
sudo apt-get install build-essential cmake cmake-gui unzip pkg-config -y
sudo apt-get install libjpeg-dev libpng-dev libtiff-dev libavcodec-dev libavformat-dev libswscale-dev libgtk2.0-dev libv4l-dev libxvidcore-dev libx264-dev libtbb2 libtbb-dev libdc1394-22-dev libgstreamer1.0-dev libgstreamer-plugins-base1.0-dev libjasper-dev libgtk-3-dev libatlas-base-dev liblapacke-dev gfortran python3-dev ffmpeg -y && sudo apt autoremove -y
如果出现 E: 无法定位软件包 libjasper-dev 问题，执行一下如下指令
sudo add-apt-repository "deb http://security.ubuntu.com/ubuntu xenial-security main"
sudo apt update
再次运行安装Opencv相关依赖的命令即可。
编译安装
百度网盘
1.CMake
在终端打开cmake-gui：
sudo apt-get install cmake-gui
分别配置 source和build路径，source是opencv的源码路径，build是前面新建的build文件夹路径。
安装过程中会出现
然后点击Configure，在弹出的窗口中保持默认选项，最后 Finish。
有些文件无法下载的情况。
这是由于无法正常访问 https://raw.githubusercontent.com 网站，可以通过修改 hosts 文件的方式来解决：
（1）使用 sudo nano /etc/hosts，打开hosts文件。
（2）在文件中尾添加185.199.109.133 raw.githubusercontent.com。
可在https://ipaddress.com/website/raw.githubusercontent.com中选取最优的配置。
（3）sudo systemctl restart NetworkManager.service重启网络服务，使上述修改生效。
（4）ping raw.githubusercontent.com，如果能 ping 通，且延时不大，则说明能正常访问。
-- IPPICV: Downloading
-- ippicv_2020_lnx_intel64_20191018_general.tgz from https://raw.githubusercontent.com/opencv/opencv_3rdparty/a56b6ac6f030c312b2dce17430eef13aed9af274/ippicv/ippicv_2020_lnx_intel64_20191018_general.tgz
-- found Intel IPP (ICV version): 2020.0.0 [2020.0.0 Gold]
-- at: /home/l/opencv-4.6.0/build/3rdparty/ippicv/ippicv_lnx/icv
-- found Intel IPP Integration Wrappers sources: 2020.0.0
-- at: /home/l/opencv-4.6.0/build/3rdparty/ippicv/ippicv_lnx/iw
在正常的理想网络状况下，所有的文件都会被正确的下载完成，但是免不了一些意外情况。配置下载过程中还可能会出现: face_landmark_model.dat 下载缺失的情况，原因就是这个文件太大了，下载过程中网速也慢。下载过程中经常会出错。
为了能够更好跳过痛苦的折磨，这里提供一下我下载好的数据文件。
注意带“.”文件会被隐藏。注意你下载保存的位置。
下载完成后直接解压即可到了你的 opencv 文件目录即可，我的目录如下：
sudo unzip -d /home/l/opencv-4.6.0/ .cache.zip
勾选下面的编译选项：
WITH_CUDA
BUILD_CUDA_STUBS
OPENCV_DNN_CUDA
ENABLE_FAST_MATH
CMAKE_BUILD_TYPE 中添加 Release
CMAKE_INSTALL_PREFIX 中添加路径 /usr/local
OPENCV_EXTRA_MODULES_PATH 中添加
opencv_contrib-4.6.0 中的 modules 的路径：
/home/l/opencv-4.6.0/opencv_contrib-4.6.0/modules
再点击 Configure，结束后勾选 CUDA_FAST_MATH ，在 CUDA_ARCH_BIN中选择保留需要的算力值，可以在通过此页面查询显卡对应的算力值，这里保留了7.0;7.5，最后再点击进行一次Configure
如上图中成功的显示 CUDA和CUDNN的版本即可，然后点击Generate，结束后关闭cmake-gui。
2.make
执行下面的命令，等待很长一段时间：
cd /home/l/opencv-4.6.0/build
sudo make -j$(nproc)
3.安装
sudo make install
4.环境配置
sudo echo “include /etc/ld.so.conf.d/*.conf” /etc/ld.so.conf && sudo echo “include /usr/local/lib” /etc/ld.so.conf
sudo ldconfig
sudo echo "PKG_CONFIG_PATH=$PKG_CONFIG_PATH:/usr/local/lib/pkgconfig" /etc/bash.bashrc && sudo echo "export PKG_CONFIG_PATH" /etc/bash.bashrc
source /etc/bash.bashrc
测试
结构如下：
.
├── 1.jpg
├── CMakeLists.txt
└── test.cpp
test.cpp如下：
#include<opencv2/opencv.hpp>
#include<opencv2/cudaimgproc.hpp>
using namespace std;
int main(int argc, char** argv)
cv::Mat src = cv::imread("1.jpg"); //读取图像，CPU内存读取
cv::resize(src, src, cv::Size(0, 0), 0.8, 0.8, cv::INTER_CUBIC);//resize
cv::imshow("input image", src);
cv::cuda::GpuMat G_image(src); //还有一种赋值方法，如**释的部分
//cv::cuda::GpuMat G_image;
//G_image.upload(src);
cv::cuda::GpuMat gray;
cv::cuda::cvtColor(G_image, gray, cv::COLOR_BGR2GRAY);//cuda版本里也有cvtColor这个API
cv::Mat c_gray;
gray.download(c_gray); //创建一个CPU mat对象后，由于imshow无法显示GMat对象，所以需要从GMat中取出来赋给CMat对象
cv::resize(c_gray, c_gray, cv::Size(0, 0), 1.1, 1.1, cv::INTER_CUBIC);//resize
cv::imshow("gray", c_gray); //imshow显示不了GMat对象
cv::waitKey(0);
cv::destroyAllWindows();
return 0;
CMakeLists.txt如下：
# cmake version
cmake_minimum_required(VERSION 3.8)
# project name
PROJECT(HELLO)
# using C++11
set(CMAKE_CXX_FLAGS "$CAMKE_CXX_FLAGS -std=c++11 ")
# find OpenCV
FIND_PACKAGE(OpenCV REQUIRED)
# show the message of OpenCV
message(STATUS "OpenCV library status:")
message(STATUS " version: $OpenCV_VERSION")
message(STATUS " headers: $OpenCV_INCLUDE_DIRS")
message(STATUS " libraries: $OpenCV_LIBS")
# link headers
INCLUDE_DIRECTORIES(OpenCV_INCLUDE_DIRS)
# 添加源代码文件到SRC_LIST变量中
AUX_SOURCE_DIRECTORY(. SRC_LIST)
# 生成可执行文件
ADD_EXECUTABLE(test $SRC_LIST)
# after ADD_EXECUTABLE，为生成文件target添加库
TARGET_LINK_LIBRARIES(test $OpenCV_LIBS)
接着：
cmake . && sudo make j2 && ./test
结果：
表明安装成功。
卸载
进入前面建立的build文件夹，打开终端：
sudo make uninstall
cd ..
sudo rm -r build
sudo rm -r /usr/local/include/opencv2 /usr/local/include/opencv /usr/include/opencv /usr/include/opencv2 /usr/local/share/opencv /usr/local/share/OpenCV /usr/share/opencv /usr/share/OpenCV /usr/local/bin/opencv* /usr/local/lib/libopencv*
cd /usr/
find . -name "*opencv*" | xargs sudo rm -rf
安装pytorch1.11
参考pytorch官网。
我这里采用的pip安装。没有使用Anaconda或者Miniconda的需要自己配置一下pip。
pip3 install torch torchvision torchaudio --extra-index-url https://download.pytorch.org/whl/cu113
linuxubuntu20.04深度学习gpu环境配置（cudatoolkit11.7+cudnnv8.4.1）(代码片段)
....1MinicondaPyTorchTensorFlowGPUstatNetSMTmuxAxel提示参考引言本文以Ubuntu20.04操作系统为例，演示如何配置深度学习GPU环境。方便起见，我们这里可以直接跳过NVIDIA显卡驱动的安装，因为安装CUDA的时候会自动安装。准备开始安装... 查看详情
ubuntu20.04下jupyternotebook配置
...度学习工作站配置指南2、配置与使用jupyternotebook，参考Ubuntu20.04安装Anaconda3+配置+使用jupyternotebook3、修改Jupyternotebook默认目录路径，参考Python:linuxUbuntu16.04下Jupyternotebook改变默认目录路径 查看详情
深度学习环境配置10——ubuntu下的torch==1.7.1环境配置(代码片段)
深度学习环境配置10——Ubuntu下的torch==1.7.1环境配置注意事项一、2022/9/18更新学习前言各个版本pytorch的配置教程环境内容环境配置一、Anaconda安装1、Anaconda的下载2、Anaconda的安装二、Cudnn和CUDA的下载和安装1、Cudnn和CUDA的下... 查看详情
深度学习|计算机视觉环境配置-数据集制作-模型训练一站式教程(ubuntu系统)//
...|计算机视觉环境配置-数据集制作-模型训练一站式教程(Ubuntu系统)文章目录深度学习|计算机视觉环境配置-数据集制作-模型训练一站式教程(Ubuntu系统)一.总体流程二.分步细节2.1环境配置2.1.1Pycharm持续更新一.总体流程基于Linux系统... 查看详情
深度学习环境配置9——ubuntu下的tensorflow-gpu==2.4.0环境配置(代码片段)
深度学习环境配置9——Ubuntu下的tensorflow-gpu==2.4.0环境配置注意事项一、2022/09/04更新学习前言各个版本tensorflow2的配置教程环境内容环境配置一、Anaconda安装1、Anaconda的下载2、Anaconda的安装二、Cudnn和CUDA的下载和安装1、Cudnn... 查看详情
（转）深度学习主机环境配置:ubuntu16.04+nvidiagtx1080+cuda8.0
深度学习主机环境配置:Ubuntu16.04+NvidiaGTX1080+CUDA8.0发表于2016年07月15号由52nlp接上文《深度学习主机攒机小记》，这台GTX1080主机准备好之后，就是配置深度学习环境了，这里选择了比较熟悉Ubuntu系统，不过是最新的16.04版... 查看详情
ubuntu20.04初步学习区块链部署简单的智能合约(代码片段)
...有链节点首先要安装VMwareworkstations虚拟机，并安装好ubuntu系统。下载地址：下载V 查看详情
ubuntu20.04系统安装及初始配置(代码片段)
文章目录前言一、系统要求二、安装步骤1.下载Ubuntu20.04镜像2.创建启动盘3.启动计算机并进入BIOS/UEFI设置4.进入安装界面(一步步走下去就好)5.完成安装。三、初始配置1、启用root用户2、设定静态IP3、远程访问本机4、换源总结前言... 查看详情
ubuntu18.04/20.04cv环境配置（中）：tensorrt+pytorch安装配置(代码片段)
Ubuntu18.04/20.04CV环境配置（上）：CUDA11.1+cudnn安装配置_TechblogofHaoWANG的博客-CSDN博客Ubuntu18.0420.04NVIDIACUDA环境配置与cudnnTensorrt等配置与使用https://blog.csdn.net/hhaowang/article/details/12580 查看详情
ubuntu18.04/20.04cv环境配置（中）：tensorrt+pytorch安装配置(代码片段)
Ubuntu18.04/20.04CV环境配置（上）：CUDA11.1+cudnn安装配置_TechblogofHaoWANG的博客-CSDN博客Ubuntu18.0420.04NVIDIACUDA环境配置与cudnnTensorrt等配置与使用https://blog.csdn.net/hhaowang/article/details/12580 查看详情
ubuntu22.04深度学习gpu环境配置：nvidiacuda11.7cudnn8.5详细解读（20220910）
假设你已经成功安装了最新版本的Ubuntu22.04LTS操作系统，并已经配备了支持深度学习的英伟达GPU，本文将手把手详细解读如何配置环境，包括安装必要的软件：例如驱动515，CUDA11.7，以及cuDNN8.5等。一、显卡驱动最先要做的就是安... 查看详情
ubuntu22.04深度学习gpu环境配置：nvidiacuda11.7cudnn8.5详细解读（20220910）
假设你已经成功安装了最新版本的Ubuntu22.04LTS操作系统，并已经配备了支持深度学习的英伟达GPU，本文将手把手详细解读如何配置环境，包括安装必要的软件：例如驱动515，CUDA11.7，以及cuDNN8.5等。一、显卡驱动最先要做的就是安... 查看详情
ubuntu22.04深度学习gpu环境配置：nvidiacuda11.7cudnn8.5详细解读（20220910）
假设你已经成功安装了最新版本的Ubuntu22.04LTS操作系统，并已经配备了支持深度学习的英伟达GPU，本文将手把手详细解读如何配置环境，包括安装必要的软件：例如驱动515，CUDA11.7，以及cuDNN8.5等。一、显卡驱动最先要做的就是安... 查看详情
深度学习远程炼丹：一文离线完成ubuntu+docker+pycharm环境配置(代码片段)
文章目录前言一、Ubuntu离线安装docker二、dockerhub下载合适镜像三、配置docker容器1.运行容器2.给容器安装openssh-server和openssh-client3.vim打开并修改配置文件4.创建docker中root用户的密码：5.重启ssh服务6.确认docker容器内python位置7.测... 查看详情
c++学习笔记c++编程环境配置(代码片段)
...cc和g++是什么关系？——gcc和g++的区别》1Ubuntu环境配置Ubuntu官方源提供gcc和g++预编译版本Ubuntu-20.04官方源中目前最高提供了 gcc-11的安装包；Note我们尝试在Ubuntu-20.04上执行命令安装 gcc-12：sudoaptinstal... 查看详情
手把手教你搭建深度学习环境(代码片段)
...c;正好要从头配置机器的环境，把环境记录一下1.安装ubuntu系统1.1制作系统盘首先，我们需要准备三个东西ubuntu的镜像文件，我这里选择的是ubuntu-20.04.2.0-desktop-amd64.iso镜像制作软件UISO9一个空的U盘有个这三样我们就可... 查看详情
[深度学习工具]·极简安装dlib人脸识别库(代码片段)
[深度学习工具]·极简安装Dlib人脸识别库Dlib介绍Dlib是一个现代化的C++工具箱，其中包含用于在C++中创建复杂软件以解决实际问题的机器学习算法和工具。它广泛应用于工业界和学术界，包括机器人，嵌入式设备，移动电话和大... 查看详情
ubuntu20.04下配置hal汇编开发环境教程(代码片段)
目录安装解压配置环境变量测试案例安装环境：Ubuntu20.04安装包：linux64.hla.tar.gz这里安装的是64位的，具体与linux.hla.tar.gz有什么不同，没研究过。解压可任选目录，本文在我的用户目录/home/nqw下解压。$tar-xvflinu... 查看详情