目录
前言
近期因学习需要，需要搭建Linux+Tensorflow的编程环境，为了保证深度学习程序运行的效率还需要安装Tensoflow-gpu版本。但作为老倒霉蛋+小白的我，单是搭建这个编程环境就花了我三个夜晚，重装了两遍系统。本着我不入地狱，谁入地狱的佛系心态，这里将我使用所有到安装方法以及安装过程中遇到的问题进行汇总，在这里由衷地感谢这些国内或者国外的大佬对于自己方法的总结。
本机环境
- 系统环境：Ubuntu 20.04 LTS （x86_64）
- 显卡型号：Nvidia GeForce 2070 Super
- 架构信息 ：cuda10.1+cudnn10.1+Anaconda3
安装思路
如果你和我一样也是个小白的话，在安装之前，我们需要先了解一下我们安装的是啥以及为啥要安装它。本章节的最后会包含安装的流程框图。
如果觉得比较啰嗦的话可以直接根据下面这两篇帖子进行安装。
- Ubuntu 20.04 LTS 安装Tensorflow【中间用到的一些关于cuda及显卡驱动安装的帖子较老，这一部分内容建议参考下一篇帖子】.
- Ubuntu安装和卸载CUDA和CUDNN.
1.系统环境
众所周知，Windows和Linux是两大主流操作系统，目前的各类应用也是基于这两种操作系统进行的开发。与大家经常使用的Windows不同，Linux更为纯净。简单的理解就是
- Window是成熟的界面化系统，在系统上的操作一目了然【操作更为便捷，但用户权限受限】；
- Linux则是纯粹的指令操作（尽管有Ubuntu这样界面化的Linux系统，但依然摆脱不了终端命令的使用）【操作非常复杂，但用户权限开放】
这也是为何普通用户喜欢Windows，而程序员更偏爱Linux的原因。同时，你如果要在Windows上使用深度学习框架可能会有很多报错，同时由于权限不足以至于你并没有很好的办法去处理，但在Linux上面尽管你依然会有很多报错，但你有各种办法去解决它。
正因如此，笔者打算采用作为Ubuntu操作系统进行软体环境的搭建。以下是有关操作系统安装与基本操作的帖子
- win7/win10安装Ubuntu20.04双系统详细操作步骤【这篇帖子适合以UEFI作为启动方式的BIOS，另外里面提到的分区大小，我建议根目录分区，即挂载点“/”能大一点，最好40G以上，这个分区如果满了的话，会产生很多问题！！】
- Linux中常用操作命令
2.Anaconda
众所周知，Python是一种面向对象的解释型计算机程序设计语言，其使用具有跨平台的特点，可以在Linux、macOS以及Windows系统中搭建环境并使用，其编写的代码在不同平台上运行时，几乎不需要做较大的改动。正因如此很多深度学习的框架大部分都与Python有很好的兼容性，基于Python的深度学习代码项目也是最为丰富的。而Anaconda其实就是一个开源的Python发行版本，其中包含了很多有用的包和依赖项（可以理解成加强版Python）。所以这里我们采用Anaconda，而不是Ubuntu自带的Python原始环境。
关于Anaconda的安装和卸载请参照
- 2020-11-02-Ubuntu 20.04安装Anaconda3-卸载Anaconda3-笔记.【关于帖子中提到的Anaconda3安装目录，建议不要安装在/root这类高权限路径下，这样VSCODE等编译器权限不够会读取不到Anaconda3的环境！】
4.TensorFlow
TensorFlow 是谷歌的开发者创造的一款开源的深度学习框架也是一个运算系统，与其他深度学习框架一样，它可以基于你电脑的CPU进行运算或者是基于你电脑中独立显卡的GPU进行运算，其中CPU版本的TensorFlow比较容易安装，在终端中利用以下命令即可完成
pip3 install tensorflow
注：在使用前请先安装好Anaconda，并建议创建虚拟环境后再安装tensorflow到虚拟环境中，保证base版本Anaconda的纯净性
以下命令就是创建一个名为tensorflow，基础语言为python3.7的虚拟环境
conda create –n tensorflow python=3.7
利用命令激活后即可进入虚拟环境中，之后在虚拟环境中运行tensorflow-cpu版本的命令即可
conda activate tensorflow
如果需要使用GPU进行运算，则需要安装GPU版本的Tensorflow，但在安装之前还需要安装显卡对应的运算平台cuda和加速库cudnn，在安装完成后，利用命令安装tensorflow-gpu
完整流程建议参考
3.Cuda、Cudnn（仅GPU版本Tensorflow需要）
CUDA（Compute Unified Device Architecture），是显卡厂商NVIDIA推出的运算平台。反正就是只要使用GPU版本的tensorflow，这个运算平台是必须的
CUDNN则可以看做是CUDA的一个扩展包，可以加速运算，在安装完成CUDA后，将cudnn的文件复制进入cuda中即可。
！！注意！！：
- CUDA需要显卡的支持，在安装之前需要确保显卡支持CUDA且显卡驱动版本和CUDA Toolkit相互匹配
支持 CUDA® 的 GPU 卡.
英伟达官方CUDA的发布信息，看表2即可. - 目前Tensorflow还不支持过高版本的CUDA，所以不建议像有些帖子中用自动的方式下载显卡驱动和配套的CUDA，因为它会直接给你安装最新版本的CUDA，到时候Tensorflow可能无法使用，个人建议安装CUDA 10.0
Tensorflow所匹配的cuDNN和CUDA. - CUDA安装过程中会提示是否安装驱动，请务必选否，以免造成和你手动安装的驱动冲突
关于显卡驱动以及Cuda、Cudnn的安装和配置，建议参考
Ubuntu安装和卸载CUDA和CUDNN.
Ubuntu18.04安装NVIDIA显卡驱动.
安装注意事项
- 安装时请在非ROOT模式下进行，除非提示权限不足时再使用sudo进行操作（否则会出现很多异常问题）
- 所有的安装包请放置在“/home/你的用户名”路径（路径中不要包含中文）下，确保出现异常时可以随时重新安装
- 当出现由于显卡驱动安装异常导致无法进入界面时，请不要着急，进入命令行模式重新安装驱动即可
- 请务必牢记自己的用户名和密码，在命令行模式下需要登录才可使用
疑难问题总结
1.pip下载超时
问题描述：使用pip命令时下载速度很慢，之后报TimeOut的错误
解决办法：加载其他镜像源进行安装即可
详情链接：Pip源设置（使用清华源）.
2.安装完驱动程序后重启电脑无法进入桌面
问题描述：在将显卡驱动安装完毕后，重启电脑但无法进入桌面，屏幕一片漆黑或者有报错信息
解决办法：对于这个问题，分两种情况来看，按Ctrl + Alt +F1(F1~F6均可)进入命令行模式【我按F1是不行，反正都是按的F4】
（1）可以进入命令行
能进入命令行，就意味着问题不大，可以尝试以下办法
- 重启X-window 服务，后按Ctrl+Alt+F7看是否能回到登录界面
sudo service lightdm stop
- 如果返回后还是漆黑，则建议按照上文引用的 Ubuntu18.04安装NVIDIA显卡驱动.先将现有驱动卸载，然后重新按照步骤安装显卡驱动，并重启电脑【所以把驱动安装程序保存好很重要！！】
- 如果重新安装了自己下载的驱动程序，依然存在问题，则说明驱动程序不正确，建议自动安装回原有驱动
详情链接：ubuntu 自动安装nvidia显卡驱动.
（2）无法进入命令行
如果无法进入命令行，只有左上角有一个光标在闪烁，这种就比较麻烦，建议采取以下措施
-
重启，长按shirft进入grub菜单即Ubuntu安全模式，选择recovery mode，回车进入
-
选择clean和dpkg，然后再重新进入Ubuntu系统中，检查是否能进到命令行模式
注：上述办法不一定有效，如果尝试上述操作后依然存在问题，我的建议是重新安装系统，我当时遇到这个问题时主要原因就是根目录设置过小，空间满了，导致安装驱动以及一些包的时候存在异常，出现该现象，之后采用上述办法重新回到命令行模式重装驱动解决。
3.安装cuda循环登录
详情链接：ubuntu安装cuda循环登录.
4.cuda安装过程中出现It appears that an X server is running. Please exit X before installation.
详情链接：ubuntu 16.04 安装cuda9.0报错，It appears that an X server is running. Please exit X before installation..
致谢
非常感谢以上所分享的帖子的大佬们，也希望能通过这个汇总贴，将自己遇到的各种问题予以整理，避免大家被一些低质量的帖子误导踩坑。