Ubuntu18.04下深度学习环境搭建及问题解决（双系统+2080Ti显卡）

关注

原创最新推荐文章于 2026-04-05 02:11:20 发布 2.6k 阅读 AI 写同款· GEO 优化 ›

【OpenClaw企业级智能体实战】第11篇：制造业设备预测性维护实战——OpenClaw+DeepSeek+Prometheus从零搭建（附完整代码）本文聚焦制造业设备预测性维护的核心痛点，基于OpenClaw v2026.2.1、DeepSeek智能诊断、Prometheus监控等工具，拆解“设备状态监控→智能故障诊断→预测性维护”三大核心场景。从技术原理、算法构建、实操流程到完整代码实现，提供“数据采集→模型训练→智能调度→自动处置”的全链路方案。方案遵循工业安全规范，采用“只读优先、权限最小化”原则，适配中小制造企业落地需求。通过虚拟案例验证，可使设备非计划停机时间下降65%、平均修复时间缩短47%，既适合新手快速入门，也为进阶读者提供架构优化思路阅读详情

本文使用的是SSD+机械安装双系统，先安装Win10，然后是Ubuntu18.04，显卡是Nvidia 2080TI

1. Win10,Ubuntu18.04双系统安装

见我另一篇博客

2.安装显卡驱动

如果只想在Windows下玩深度环境的可以看我另外一篇博客

删除系统自带的不适配的NVIDIA驱动

sudo apt-get purge nvidia-*

安装完毕后，通过命令行方式禁用自带的驱动：

sudo vim /etc/modprobe.d/blacklist-nouveau.conf

添加以下内容：

blacklist nouveau

再更新一下

sudo update-initramfs -u

修改后需要重启系统。确认下Nouveau是已经被你干掉，使用命令： lsmod | grep nouveau

如果没有结果，说明已经禁掉。

安装官网NVIDIA 2080TI驱动（有问题）

网上很多帖子说用官网驱动，我在官网上下载得到的最新驱动就是NVIDIA-Linux-x86_64-410.78.run，运行安装过程中提示编译该驱动的版本比系统自带GCC的版本低，可能会出现兼容性问题，忽略该提示继续安装后，重启后出现问题3。

使用Ubuntu第三方仓库中的驱动

网上很多说用Ubuntu第三方仓库中的NVIDIA驱动比较老旧，但可能近期已经更新，版本比官网还高。

这里采用自动安装：

添加PPA仓库：sudo add-apt-repository ppa:graphics-drivers/ppa

更新：sudo apt-get update

输入命令：ubuntu-drivers devices

显示出支持的显卡驱动有：

== /sys/devices/pci0000:00/0000:00:01.0/0000:01:00.0 ==

modalias : pci:v000010DEd00001180sv00001458sd0000353Cbc03sc00i00

vendor : NVIDIA Corporation

driver : nvidia-driver-418 -third-party-free

driver : nvidia-driver-410 -third-party-free

driver : nvidia-driver-430 -third-party-free recommended

driver : nvidia-driver-415 -third-party-free

driver : xserver-xorg-video-nouveau - distro free builtin

可以看到PPA仓库中已经有最新的2080TI驱动：sudo ubuntu-drivers autoinstall 即可reboot

安装完reboot发现卡在紫色界面，没有任何显示，CTRL+ALT+F2进入命令行模式，使用nvidia-smi命令可以正常显示N卡信息，说明驱动安装正常，问题出在显示上。

3.安装完毕后的问题解决

/dev/sda6:clean / files, ***/***blocks

安装完毕后是默认使用Ubuntu的启动菜单，可以选择进入Win10还是Ubuntu。选择进入Ubuntu后屏幕上方出现/dev/sda6:clean / files, ***/***blocks，一直卡在这里没有用。网上查找了很长时间，主要解决方法有两种：

1.CTRL+ALT+Fn进入命令行，输入fsck /dev/sda6，对我无效。

2.Ubuntu自带显卡驱动与NVIDIA显卡不兼容，CTRL+ALT+Fn进入命令行，输入sudo apt-get purge nvidia*删除所有NVIDIA相关显卡，对我无效。

最终折腾了半天找到第三种奏效的方法：

sudo apt install lightdm

然后重启

/dev/sda6:Super Blocklast Mount time is in the future

/dev/sda6是我的/分区，出现这个提示，在启动时候进入Ubuntu高级选项，选择recover模式->root，然后fsck /dev/sdb6

4. 安装Cuda

到nvidia官网下载cuda DEB格式，后输入命令安装即可，我这里先下载最新的CUDA10.1，官网有安装说明：


sudo dpkg -i cuda-repo-ubuntu1804-10-1-local-10.1.168-418.67_1.0-1_amd64.deb

sudo apt-key add /var/cuda-repo-10-1-local-10.1.168-418.67/7fa2af80.pub

sudo apt-get update

sudo apt-get install cuda

安装完后重启一下

nvcc -V 看到CUDA信息说明正常。

PS:如果安装的是性能低一些的，支持的是CUDA9.0的显卡，可能还设计GCC、G++的降级等，见我另一篇博客，这里不提。

5.安装cudnn

从官网下载，选择第三个cuDNN Library for Linux，选择和CUDA10.1适配的cudnn，我下载的是cudnn-10.1-linux-x64-v7.6.2.24.tgz。

解压缩后cd到cuDNN目录，执行以下操作：


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*

接下来编辑path环境变量文档：sudo gedit ~/.bashrc

将cuda的环境变量加到打开的文件最后：


export LD_LIBRARY_PATH=”$LD_LIBRARY_PATH:/usr/local/cuda/lib64:/usr/local/cuda/extras/CUPTI/lib64”

export CUDA_HOME=/usr/local/cuda

export PATH="$CUDA_HOME/bin:$PATH"

souce以下使环境配置生效：source ~/.bashrc

6.安装Anaconda

官网太慢从清华源下载，我下载的是最新的Anaconda3-5.3.1-Linux-x86_64.sh，Python是3.7的，可以通过建立虚环境来设置Python版本，所以没关系。

安装:bash Anaconda3-5.3.1-Linux-x86_64.sh

然后看清楚提示，该yes的要yes，其中要加入环境变量，同时安装到最后会帮你安装VSCode，我比较喜欢这个IDE,不太喜欢重量级的Pycharm，所以也YES安装。

改为国内源


conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/

conda config --set show_channel_urls yes

添加pytorch源，不然安装贼慢

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/

创建虚环境

这个Anaconda默认Python是3.7的，可能与很多包还不太兼容，所以建立虚环境。

conda create -n deeplearning python=3.6

创建的是Python3.6.8的环境

安装深度学习环境


source activate deeplearning

conda install tensorflow-gpu

conda install pytorch torchvision

source deactivate deeplearning

可以看到安装的是tensorflow-gpu-1.14.0和pytorch-1.1.0

让Jupyter-notebook能支持新创建的虚环境


source activate deeplearning

conda install nb_conda

source deactivate deeplearningcon

source activate base

conda install nb_conda

source deactivate base

这样进入jupyter notebook尽可以创建新建的deeplearning虚环境下的notebook

修改jupyter notebook默认的工作路径

在终端输入：jupyter-notebook --generate-config

用gedit打开上述命令输出的路径文件，在其中搜索c.NotebookApp.notebook_dir =，原本前面有#表示注释，删除#后将需要变更的路加入即可

VScode虚环境支持

菜单中文显示

F1后输入language display，现在install other language，安装中文，重启vscode

常用插件的安装

个人觉得vscode比较强大的就是插件库，加上一些插件后如虎添翼，这里推荐几个插件：

（1）Python:这个是vscode提供的python 官方插件，提供了python代码的调试，自动补全，代码格式化等功能

（2）vscode-icons：这个也是vscode官方提供的插件，作用是给vscode编辑的文件增加图标。这里再推荐一个相同功能的插件vscode-icons-mac，文件图标变成Mac风格，相当美观。

（3）Path Intellisense：这个插件的作用是当代码中读入文件名或者文件路径时，提供文件名或者文件路径的自动补全

（4）topper:这个插件的作用是在.pyw文件的开头添加一些说明header

（5）Bracket Pair Colorizer:这个插件的作用是给代码中的括号增加颜色，同一对括号是相同的颜色，尤其是在括号中还包着括号的时候，看起来更加的清晰。

（6）Code Spell Checker：代码拼写检查器

（7）guides：显示代码对齐辅助线

（8）Rainbow Brackets：圆括号，方括号和大括号提供彩虹色。

（9）Indent-Rainbow：用四种不同颜色交替着色文本前面的缩进

（10）filesize：在状态栏中显示当前文件大小，点击后还可以看到详细创建、修改时间

（11）Atuo Rename Tag：修改 html 标签，自动帮你完成头部和尾部闭合标签的同步修改

（12）beautify:格式化代码工具

虚环境的支持

没有网上说得那么负责，需要改变配置文件之类，直接F1快捷键输入python:select interpreter就可以看到虚环境，选择即可应用到当前项目。

测试

在vsode中写个代码测试一下是否成功：

import tensorflow as tf
import torch
with tf.device('/cpu:0'):
a = tf.constant([1.0,2.0,3.0],shape=[3],name='a')
b = tf.constant([1.0,2.0,3.0],shape=[3],name='b')
with tf.device('/gpu:1'):
c = a+b
#注意：allow_soft_placement=True表明：计算设备可自行选择，如果没有这个参数，会报错。
#因为不是所有的操作都可以被放在GPU上，如果强行将无法放在GPU上的操作指定到GPU上，将会报错。
sess = tf.Session(config=tf.ConfigProto(allow_soft_placement=True,log_device_placement=True))
#sess = tf.Session(config=tf.ConfigProto(log_device_placement=True))
sess.run(tf.global_variables_initializer())
print(sess.run(c))
print(torch.cuda.is_available())

不得不说，深度学习环境在Linux下还是要容易得多，Windows下安装和使用中会出一些莫名其妙的问题，在Ubuntu下很简单。

收录于