从零开始搭建Ubuntu下的深度学习环境TensorFlow+Keras+Pytorch+Sklearn+OpenCV

我的Ubuntu系统又双叒叕崩溃了，卡在系统登录输密码的界面循环，似乎是更新了一下系统，和英伟达的驱动不兼容了。正好我的CUDA版本是8.0，支持不了高版本的TensorFlow，很难受，索性格式化系统，重新来一遍好了。现将整个过程记录在此，以备后查。

---

2020.9.15补充
查看显卡硬件型号
ubuntu-drivers devices
如果同意安装推荐版本，那我们只需要终端输入：sudo ubuntu-drivers autoinstall 就可以自动安装了。
当然我们也可以使用 apt 命令安装自己想要安装的版本，比如我想安装 340 这个版本号的版本，终端输入：sudo apt install nvidia-340 就自动安装了。
安装完记得重启电脑

---

2019.4.8补充
删除CUDA的程序在 /usr/local/cuda-10.0/bin
下载NVIDIA驱动的时候，网站经常打不开，翻墙就能解决
测试Tensorflow 1.X 是否支持GPU的测试代码

import tensorflow as tf
sess = tf.Session(config=tf.ConfigProto(log_device_placement=True))

---

正文开始

从零开始搭建Ubuntu下的深度学习环境

一、删除Ubuntu系统

需要安装：分区助手 https://www.disktool.cn/download.html
easyBCD http://www.xiazaiba.com/html/6227.html
在分区助手中找到原来Ubuntu系统安装的位置，选择"删除分区"，得到约100GB的空闲空间。

在easyBCD中删除原来的加载选项

二、下载Ubuntu系统，制作系统盘

Ubuntu系统下载网址
下载ubuntu-16.04.4-desktop-amd64.iso

然后在 https://pan.baidu.com/s/1gbCc1FRxMRFczoRPjD4Cqg 提取码：poag
下载rufus，我们用它来制作系统盘。

准备一个8G的U盘，格式化，按照上图操作，点击START，稍等片刻，U盘启动盘就做好了。

三、安装系统

首先修改BIOS，选择为U盘启动优先。每台电脑的情况不一样，就不多说了，我的笔记本好像是开机按住F12还是Delete。
进入系统之后，选择试用系统，桌面上有安装系统的图标，大致如下图

选择中文->为图形或无线硬件… ->其他选项
找到我们在第一步得到的空余空间，点击“+”创建四个主要分区：

• 10G 主分区 空间起始位置 Ext4日志文件系统 /
• 2048MB 逻辑分区 空间起始位置 交换空间
• 500MB 逻辑分区 空间起始位置 Ext4日志文件系统 /boot
• 剩余的空间 逻辑分区 空间起始位置 Ext4日志文件系统 /home

注意 boot分区要做大一点，我第一次试了200MB，结果在安装到最后报错了。
"安装启动引导器的设备"选择\boot分区。
注意如果分配完主分区之后，空闲空间变成了不可用，就点击还原，将主分区改成逻辑分区

往下执行都没什么难度了，安装成功之后，拔出U盘，重启系统，进入Ubuntu则表示成