Magicbook笔记本电脑刷Ubuntu 18.04.4

本文详细记录了在Magicbook2018款笔记本上安装Ubuntu20.04的过程,包括使用UltraISO制作启动U盘、BIOS设置及常见问题如GRUB引导界面修改等解决方案。
  • 笔者的Ubuntu18.04经常莫名死机,找不到问题出在哪里,故升级到20.04试试,但发现一如既往。懒得再写一遍如何装20.04了,也懒得装回18,不过装好系统后安装的所有软件、环境都记录到Ubuntu 20.04装机记录Ubuntu 18.04环境配置&系统设置两篇博客里了,目前用着还算顺手。
  • 笔者的笔记本为Magicbook 2018款,CPU 锐龙5 2500U,核显,内存8G。

1. 下载ubuntu镜像

2. 下载安装UltraISO,用于制作启动u盘

选择下载的ubuntu镜像:
选择下载的ubuntu镜像
插入U盘,点击写入硬盘映像
在这里插入图片描述
在这里插入图片描述
提示写入成功即可。

3. 安装

  1. U盘插入笔记本,开机按F2进入bios
  2. bootable devices 里开启U盘,关闭原硬盘
  3. 保存退出
  4. 进入ubuntu安装页面,正常安装即可。

4. 出现的问题

1. 每次开机都进入gnu grub 2.0 引导界面

虽然只要点一下回车就可以正常进入系统,但感觉很不方便。
暴力解决方法:
界面倒计时30s太长,修改为1秒:

sudo vim /boot/grub/grub.cfg

找到:

if [ $grub_platform = efi ]; then
  set timeout=30

修改为:

if [ $grub_platform = efi ]; then
  set timeout=1

重启系统即可。

<think>好的,用户想在荣耀MagicBook 15上配置深度学习环境,包括CUDA、cuDNN、TensorFlow或PyTorch。我需要一步步指导他们,同时结合他们提供的引用信息。 首先,确认笔记本的硬件和系统。根据引用2和3,MagicBook 15可能有不同的型号,比如酷睿i5锐龙版,需要先确定用户的具体型号。不过用户提到的是安装CUDA,所以可能是指带有NVIDIA显卡的版本。但荣耀MagicBook 15有些型号可能只有集显,比如引用4提到的是MagicBook 2018款,有MX150显卡。用户需要先检查自己的笔记本是否有独立GPU,比如NVIDIA的型号,否则可能无法安装CUDA。这一步很关键,如果只有集显,可能无法进行GPU加速的深度学习。 然后,安装驱动。引用1提到安装NVIDIA Studio驱动,但用户可能使用的是普通驱动。需要指导他们更新到最新驱动,或者Studio驱动。需要访问NVIDIA官网或者使用GeForce Experience来安装。引用4中的MX150可能支持CUDA,但需要查看计算能力是否足够,比如MX150的计算能力可能较低,影响性能。 接下来是安装CUDA和cuDNN。根据引用4,用户之前创建了conda环境,可能需要使用conda来安装CUDA工具包,避免与系统环境冲突。需要建议用户创建虚拟环境,如conda create -n pytorch python=3.x。然后安装对应版本的CUDA和cuDNN,可能通过conda直接安装,这样会自动处理依赖。例如,conda install cudatoolkit=11.3 cudnn=8.2,然后安装PyTorch或TensorFlow的GPU版本。 安装框架时,要确保版本匹配。比如PyTorch的官方命令可能指定cudatoolkit版本,用户需要根据CUDA版本选择。引用4中使用的是conda安装,可能更便捷。同时,用户可能需要设置环境变量,如CUDA_HOME,但conda安装可能自动处理这些。 验证安装部分,需要指导用户运行简单的Python代码检查CUDA是否可用,比如torch.cuda.is_available()。如果遇到问题,可能需要检查驱动版本与CUDA的兼容性,或者重新安装对应版本。 注意事项方面,MX150这样的显卡计算能力可能有限,可能影响训练速度,需要提醒用户可能仅适合学习或小型项目。另外,系统备份很重要,引用2和3提到原厂系统备份,建议用户安装前备份系统,避免出现问题。 最后生成相关问题,可能涉及驱动安装问题、虚拟环境管理、框架版本选择等。</think>### 逐步配置指南 以下是在荣耀MagicBook 15上搭建深度学习环境的步骤(以NVIDIA显卡为例): #### 1. **确认硬件与系统兼容性** - 检查显卡型号:需为NVIDIA显卡(如MX150/MX250等),支持CUDA加速。 - 操作系统:建议使用Windows 10/11(原厂系统已预装驱动,见引用[2][^2]和[3][^3])。 #### 2. **安装NVIDIA显卡驱动** - 更新至最新驱动程序: - 访问[NVIDIA官网](https://www.nvidia.cn/Download/index.aspx)或使用GeForce Experience更新驱动[^1]。 - 验证驱动安装: ```bash nvidia-smi # 查看显卡信息与CUDA版本 ``` #### 3. **安装CUDA与cuDNN** - **CUDA Toolkit**: - 根据PyTorch/TensorFlow官方要求选择版本(如CUDA 11.3)。 - 通过conda安装(推荐): ```bash conda create -n dl_env python=3.9 conda activate dl_env conda install cudatoolkit=11.3 cudnn=8.2 # 自动匹配依赖[^4] ``` - **手动安装(可选)**: - 从[NVIDIA CUDA Archive](https://developer.nvidia.com/cuda-toolkit-archive)下载对应版本,按提示安装。 #### 4. **安装深度学习框架** - **PyTorch GPU版**: ```bash conda install pytorch torchvision torchaudio pytorch-cuda=11.3 -c pytorch -c nvidia ``` - **TensorFlow GPU版**: ```bash pip install tensorflow-gpu==2.6.0 # 需与CUDA版本匹配 ``` #### 5. **验证环境** - **PyTorch验证**: ```python import torch print(torch.cuda.is_available()) # 应输出True ``` - **TensorFlow验证**: ```python import tensorflow as tf print(tf.config.list_physical_devices('GPU')) # 应显示GPU信息 ``` #### 6. **注意事项** - 若使用MX系列显卡(如MX150),需确认其计算能力(如Compute Capability 6.1)是否满足框架最低要求。 - 建议通过conda管理环境,避免依赖冲突。 - 安装前备份系统(参考引用[2][^2]的方法)。 --- ###
评论 1
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值