依循Ubuntu官方文档：制作USB启动盘

依循Ubuntu官方文档：从USB启动盘安装

这里只多提一下如何进入安装界面。插入U盘后开机, 按BIOS键进入BIOS管理，不同的主板有不同的BIOS键。常用的BIOS键有F2，F8，F12，DEL等。

在开机过程的某个时间段一般都会有界面提示你现在按某键进入BIOS，按提示照做即可。

如果你开机全程没有看到任何提示进入BIOS的画面，则需要自行上网查询你电脑主板的BIOS键，然后开机之后立即不停按那个键，可以进入BIOS。

如果你即确定了BIOS键，又在开机阶段狂按那个键却也还是没进入BIOS，则可能是你电脑设置了快速开机或出了其它问题，可上网查询解决方案。

进入BIOS界面后，每个主板也都有完全不同的显示风格。但大体都会在主页明显的位置有一个叫Boot Menu的设置选项，这个设置可以让你选择（此次）以哪个系统开机。不出意外里面会列有你的U盘（因为你的U盘里有个系统），点击你的U盘即可。接下来你的电脑会重启并以U盘里系统运行。之后按照官方文档指示做即可。

至于安装时的选项，个人有个人的选择，上网查清楚自己需要什么。我的建议：不要装双系统；如果有SSD固态硬盘，系统装在固态硬盘；除非有特殊需要，不建议自行分区，选择最简单粗暴的“清除硬盘里的所有数据并安装|Erase disk and install Ubuntu”（当然里面如果有需要的数据记得要备份）；your name和computer's name尽量简短，这样命令行看着比较舒服：

前面是你的用户名，后面是设备名；如果你有哪里设置反悔了，而你又不熟悉linux，建议趁早重装，比修改更方便安全；除非必要，不建议花时间在倒腾如何在linux上运行只能在windows上运行的程序，没有就没有。

这节的前提是你装的是纯英文的Ubuntu。进入Settings-->Region&Language-->Manage Installed Language-->(可能会提示有更新可以安装，放心安装)-->Install/Remove Language-->找到Chinese并在右侧打上勾-->Apply；安装完之后打开Terminal运行：

之后重新进入Region&Language界面-->点击Input Sources栏的+号-->选择Chinese-->选择Chinese (Intelligent Pinyin)-->点击Add。之后就可以用系统键（键盘上有微软标识的键）+空格来切换输入法了。输入法的状态在桌面右上角可以看到。

PyCharm是著名的Python开发环境软件。

直接在Ubuntu自带的Ubuntu Store里搜索Pycharm，便可以直接找到三个版本的Pycharm，安装即可。我个人装的是Pycham Pro，学生可以免费使用，否则需要购买激活。

Git是代码版本管理软件。

Anaconda是用来管理环境和python库的软件。

这里选择安装轻量版的Miniconda3，在Terminal里面执行下列命令即可，建议全程回车（yes）使用默认设置：

使用默认设置安装之后会自动添加conda到环境变量，但需要重新启动命令行生效。

找到与自己的GPU适配的CUDA版本：

2. Pytorch-CUDA: PyTorch;

3. GPU-Driver: Download Drivers.

4. Driver-CUDA: CUDA Compatibility;

如果对tensorflow和pytorch版本没有要求，可跳过1，2步。

在cuda archive网页选择自己想要的cuda版本，按指示下载安装（本地）。或者直接联网安装(deb-network， 建议)，下面是最新的(14.04.2022)Ubuntu 20.04联网安装cuda的命令：

如果是在20.04上安装适配18.04的CUDA 10.1，会有一个GCC版本过高的问题，解决方法：

安装完成后要重启生效，重启后用'nvidia-smi'命令看看是否成功安装吧。

cuDNN是加速CUDA GPU运算的扩展包，非必须。

进入cuDNN官网下载界面（下载cuDNN需要登陆，注册一个账号登陆即可），根据CUDA版本选择cuDNN版本，展开：

这里也还是暂时不支持Ubuntu20.04，选择18.04的文件下载即可（三个都下载）。在下载的路径上执行安装程序：

配置Pytorch环境：按照Pytorch官网指示

用conda install安装tensorflow和pytorch的优势非常明显，conda会自动帮我们安装好合适的cuda和cuDNN（也可以指定cuda版本），可以创建多个虚拟环境使用不同的CUDA版本，非常灵活。

建议在虚拟环境中安装与主环境相同版本的CUDA。如果你既在主环境上装了cuda（上节），又使用该节的方式在虚拟环境中安装了不同版本的CUDA，则在虚拟环境中的CUDA可能会和主环境的CUDA有所冲突。解决方法是：

以tf-gpu为例。主要的工作是将刚刚用conda创建的名为tf-gpu环境，作为基于tensorflow的项目的python interpreter。Ctrl+Alt+S或通过File->Settings进入设置，并进入Project: xxx栏目中的Project Interpreter：

点击右上角的齿轮图标，并在弹出的列表里点击Add：

在左边栏目中选中Conda Environment，在右侧选择Exsiting environment，一般Pycharm能自动检测到conda软件和已有的conda环境，选择刚才创建的tf-gpu环境即可。最后当然是点击OK。

如此，这个Project就配置上tf-gpu这个环境了：

这个界面只会显示python packages，所以看不到cuda和cudnn。如需要添加，删除和升级package，可分别通过列表右侧的加（+），减（-）以及上三角符号完成。

当然这些操作都可以通过在命令行里面用conda install或pip install来执行，前提是记得用conda activate tf-gpu进入虚拟环境，否则就是安装在base的主环境了。

由于安装系统只影响装系统的硬盘，其他硬盘的内容和设置不会受影响。所以如果其他硬盘之前已经设置得当，那只需要简单设置一下挂载选项即可。进入Disks软件（系统自带）：

左边显示了电脑上的硬盘。装了系统的硬盘无须理会，对别的硬盘进行设置。选中要设置的硬盘，如果硬盘已经处在挂载状态，先点击Unmount（黑色正方形）取消挂载；点击齿轮图标，如果你没有给硬盘命名过label，则点击Edit Filesystem，在弹出的对话框内给硬盘取个lable名字。之后选择Edit Mount Options：

关闭Use Session Default，进行自定义设置。勾选Mount at system startup可以让系统开机时自动挂载该硬盘；Show in user interface一般也勾选；重要的修改Identify As，我一般选择by-label。选择完后Mount Point会自动修改，这就是以后访问该硬盘的路径。这样设置的硬盘路经比较短，也有辨识度。之后点击OK即可。设置完之后，可以再将硬盘挂载上电脑，点击Mount按钮（与Unmount按钮是同一个）即可。挂载后就可以去文件系统 (Files) 的Other Locations里访问该硬盘了。

你可能会发现你对硬盘没有什么权限，甚至无法创建新的文件夹。那是因为该硬盘默认归root所有，可以考虑将该硬盘改为归你所有：

如果想直接对硬盘进行改动，比如格式化，分区等（这些操作都非常危险，对硬盘里数据进行备份），可以用GParted软件：

GParted软件使用其实非常简单，功能也很多。这里不再详细介绍，网上有很多攻略。需要注意的是，如果你要用GParted对系统盘进行操作，如划分出一部分新的区域安装Windows，在系统盘运行的状态下是不可行的。这个时候你可以插入之前的U盘，重启电脑，按第一节讲的进入BIOS并选择以U盘里的系统开机，之后选择试用Ubuntu (Try Ubuntu) 进入U盘内的试用版Ubuntu，里面已经自动安装好了GParted，用它便可以系统盘进行分区和格式化了。

免费的远程操作电脑软件。

打开TeamViewer，通过Extras->Options->勾选Start TeamViewer with system。但是重启后发现TeamViewer并没有随开机启动。

部分材料借鉴于：