Ubuntu20.04环境配置（自用）

一、Windows11安装WSL2

1.1 启用Windows子系统及虚拟化

打开设置 —— 控制面板
程序 —— 程序和功能中的【启用或关闭Windows功能】
勾选【适用于Linux的Windows子系统】和【虚拟机平台】
重启电脑

1.2 下载Ubuntu20.04并安装

打开Microsoft Store，商店内搜索Ubuntu
选择版本【20.04.6 LTS】下载并安装

进入Ubuntu20.04，设置用户名和密码

1.3 安装GUI程序

官方安装教程：https://learn.microsoft.com/zh-cn/windows/wsl/tutorials/gui-apps

1.3.1 更新发行版中的包

sudo apt update

1.3.2 安装文本编辑器

Ubuntu20.04及之前版本使用【gedit】

sudo apt install gedit -y

Ubuntu22.10取代gedit使用【GNOME】

sudo apt install gnome-text-editor -y

在开始菜单下生成Ubuntu-20.04文件表明执行成功

根据自身需求安装GUI程序

1.3.3 安装GIMP

GIMP 是一种免费的开源光栅图形编辑器，用于图像操作和图像编辑、自由形态绘图、不同图像文件格式之间的转码，以及更专业的任务。

sudo apt install gimp -y

启动输入 gimp

1.3.4 安装桌面文件管理器Nautilus

sudo apt install nautilus -y

启动输入 nautilus

1.3.5 安装适用于Linux的Google Chrome

进入temp文件夹

cd /tmp

使用wget下载

wget https://dl.google.com/linux/direct/google-chrome-stable_current_amd64.deb

安装

sudo apt install --fix-missing ./google-chrome-stable_current_amd64.deb

启动输入 google-chrome

Linux窗口报错：

在Windows下

打开文件资源管理器，找到用户目录
创建一个新的文件.wslconfig
用记事本打开，输入以下内容后保存并退出

[experimental]
autoMemoryReclaim=gradual
networkingMode=mirrored
dnsTunneling=true
firewall=true
autoProxy=true

打开命令提示符，关闭WSL的所有分发版

wsl --shutdown

重新打开命令提示符，启动WSL

wsl

二、Ubuntu20.04安装CUDA-11.8（命令行方法）

2.1 查看显卡信息，判断可安装的CUDA版本

nvidia-smi

运行结果如下：

其中【CUDA Version】是允许安装的CUDA的最高版本（选择CUDA11.8）

2.2 下载CUDA11.8并安装

进入官网：https://developer.nvidia.com/cuda-toolkit-archive 选择要下载的版本

（CUDA11.8网址：https://developer.nvidia.com/cuda-11-8-0-download-archive）

依次选择：【Linux — x86_64 — Ubuntu — 20.04 — runfile(local)】

根据下方给出的命令依次运行安装

2.3 修改环境变量

打开环境变量文件

sudo vi ~/.bashrc

按【i】进入编辑，在末尾加入：

export PATH="/usr/local/cuda-11.8/bin:$PATH"
export LD_LIBRARY_PATH="/usr/local/cuda-11.8/lib64:$LD_LIBRARY_PATH"

按【ESC】 —— 【:wq】保存并退出

（其中【cuda-11.8】可根据自己的版本进行修改）

更新修改后的环境变量

source ~/.bashrc

2.4 检查CUDA是否安装成功

输入命令检验CUDA是否安装成功：

nvcc -V

显示CUDA的版本则表明安装成功：

三、Ubuntu20.04安装cuDNN-8.9.6

3.1 下载cuDNN-8.9.6并安装

进入官网：https://developer.nvidia.cn/rdp/cudnn-archive 选择要下载的版本。

（选择cuDNN-8.9.6为例）

根据本身系统版本，在适用于CUDA 11.X 的板块选择【Local Installer for Ubuntu20.04 x86_64 (Deb)】，下载到Windows本地

安装依赖

sudo apt-get install zlib1g

Windows文件移动到Ubuntu根目录（文件地址根据自身情况修改）

sudo cp /mnt/d/cudnn-local-repo-ubuntu2004-8.9.6.50_1.0-1_amd64.deb ~

安装

sudo dpkg -i cudnn-local-repo-ubuntu2004-8.9.6.50_1.0-1_amd64.deb

sudo cp /var/cudnn-local-repo-ubuntu2004-8.9.6.50/cudnn-local-5FA1A941-keyring.gpg /usr/share/keyrings/

更新

sudo apt-get update

结果如下：

其中【8.9.6.50】即为安装的版本

下载

sudo apt-get install libcudnn8=8.x.x.x-1+cudaX.Y

【8.x.x.x】替换为上面的【8.9.6.50】；【X.Y】替换为安装的CUDA版本【11.8】以下同理

sudo apt-get install libcudnn8-dev=8.x.x.x-1+cudaX.Y

sudo apt-get install libcudnn8-samples=8.x.x.x-1+cudaX.Y

3.2 检查cuDNN是否安装成功

将cuDNN事例复制到可写路径

cp -r /usr/src/cudnn_samples_v8/ $HOME

转到可写路径

cd  $HOME/cudnn_samples_v8/mnistCUDNN

编译示例

make clean && make

报错：

解决办法：

sudo apt-get install make

重新执行make clean && make，继续报错：

解决办法：

sudo apt-get install libfreeimage3 libfreeimage-dev

**重新执行 make clean && make **

运行示例

./mnistCUDNN

若运行成功则显示：Test passed!

四、安装Anaconda3

官网下载Anaconda3的Linux版本：https://www.anaconda.com/download/success ，至本地
Windows文件移动到Ubuntu的根目录（文件地址根据自身情况修改）

sudo cp /mnt/d/Anaconda3-2024.06-1-Linux-x86_64.sh ~

安装

bash Anaconda3-2024.06-1-Linux-x86_64.sh

一路回车，安装位置默认

检查Anaconda3是否安装成功

conda --version

显示版本号则证明安装成功

五、安装cmake-3.23.0

安装需要的依赖包

sudo apt update

sudo apt install build-essential libssl-dev

进入官网：https://cmake.org/files/ 选择cmake版本（以3.23.0为例）

wget https://cmake.org/files/v3.23/cmake-3.23.0.tar.gz

解压

tar -zxvf cmake-3.23.0.tar.gz

进入压缩后的文件夹，并运行配置脚本

cd cmake-3.23.0

./configure

安装

输入【nproc】查看核数

编译CMake

make -j32

安装CMake

sudo make install

检查CMake是否安装成功

cmake --version

显示版本号则表明安装成功

六、安装COLMAP

参考官方安装教程：https://colmap.github.io/install.html#linux

6.1 安装依赖项

sudo apt-get install \
    git \
    cmake \
    ninja-build \
    build-essential \
    libboost-program-options-dev \
    libboost-filesystem-dev \
    libboost-graph-dev \
    libboost-system-dev \
    libeigen3-dev \
    libflann-dev \
    libfreeimage-dev \
    libmetis-dev \
    libgoogle-glog-dev \
    libgtest-dev \
    libsqlite3-dev \
    libglew-dev \
    qtbase5-dev \
    libqt5opengl5-dev \
    libcgal-dev \
    libceres-dev

若使用CUDA支持，还需下载依赖：

sudo apt-get install -y \
    nvidia-cuda-toolkit \
    nvidia-cuda-toolkit-gcc

6.2 配置和编译COLMAP

进入github：https://github.com/colmap/colmap 下载至本地
Windows本地文件复制到Ubuntu的根目录（文件地址根据自身情况修改）

sudo cp /mnt/d/colmap-main.zip ~

解压

sudo unzip colmap-main.zip

进入文件夹并创建build

cd ~/colmap-main

sudo mkdir build

cd build

编译colmap

sudo cmake .. -GNinja

报错：

解决办法：

参考：https://blog.csdn.net/hello_new_life/article/details/139419872 扩充SWAP size

step1：查看swapon空间的详细信息

sudo swapon --show

【2G太小】

step2：关闭所有交换分区

sudo swapoff -a

step3：查看服务器RAM的大小

sudo free -h

step4：参考服务器RAM的大小，创建SWAP file（以设置为9G为例）

sudo dd if=/dev/zero of=/swapfile bs=1G count=9  status=progress

step5：将swapfile文件设置成SWAP空间，并设置只能root操作的权限

sudo mkswap /swapfile

sudo chmod 600 /swapfile

step6：启用这个SWAP，并检查是否创建成功

sudo swapon /swapfile

sudo swapon --show

显示SWAP即表明创建成功

重新执行sudo cmake .. -GNinja，继续报错：

解决办法：

参考：https://github.com/colmap/colmap/issues/2464

重新运行：

sudo cmake .. -GNinja -DCMAKE_CUDA_ARCHITECTURES=30

其中【30】根据自身显卡情况修改

继续编译colmap

sudo ninja

sudo ninja install

6.3 检查COLMAP是否安装成功

colmap -h

colmap gui

出现图形化界面表示COLMAP安装成功

七、安装OpenCV-4.5.0

参考官方安装教程：https://docs.opencv.org/4.5.0/d2/de6/tutorial_py_setup_in_ubuntu.html

7.1 安装依赖项

7.1.1 必须依赖项

检查依赖项cmake、gcc、g++是否存在

可查询到版本则表明依赖项存在

检查支持Python2还是Python3（以支持Python3为例）

支持Python3：

sudo apt-get install python3-dev python3-numpy

需要GTK支持GUI功能、相机支持（v4l）、媒体支持（ffmpeg、gstreamer）等。

sudo apt-get install libavcodec-dev libavformat-dev libswscale-dev

sudo apt-get install libgstreamer-plugins-base1.0-dev libgstreamer1.0-dev

支持Python3：

sudo apt-get install libgtk-3-dev

7.1.2 可选依赖项

sudo apt-get install libpng-dev

sudo apt-get install libjpeg-dev

sudo apt-get install libopenexr-dev

sudo apt-get install libtiff-dev

sudo apt-get install libwebp-dev

7.2 下载OpenCV-4.5.0源文件

官方地址：https://opencv.org/releases/ 下载对应版本至本地
Windows本地文件复制到Ubuntu根目录（文件路径根据自身情况修改）

sudo cp /mnt/d/opencv-4.5.0.zip ~

解压

sudo unzip opencv-4.5.0.zip

cd ~/opencv-4.5.0

sudo mkdir build

cd build

7.3 配置和安装

sudo cmake ../

输出结果中包含以下内容表明正确找到Python：

继续安装OpenCV-4.5.0

sudo make

sudo make install

7.4 检查OpenCV是否安装成功

cd ~/opencv-4.5.0/samples/cpp/example_cmake

sudo cmake .

sudo make

./opencv_example

弹出以下窗口表明OpenCV安装成功

八、jupyter notebook打开特定虚拟环境

8.1 安装jupyter notebook并启动

安装jupyter notebook

sudo apt install jupyter-notebook

进入特定文件目录，启动jupyter notebook

jupyter notebook

8.2 配置jupyter notebook内核

进入已创建的虚拟环境，安装ipykernel库

conda install ipykernel

将当前虚拟环境添加到jupyter内核

python -m ipykernel install --user --name 当前环境名 --display-name 内核中显示的环境名

【内核中显示的环境名】可以自己定义，也可与当前环境名一致

8.3 在jupyter notebook中选择特定虚拟环境运行

标签： linux ubuntu

本文转载自: https://blog.csdn.net/qq_56288100/article/details/141358723
版权归原作者 IF_0504 所有，如有侵权，请联系我们删除。

Ubuntu20.04环境配置（自用）

一、Windows11安装WSL2

1.1 启用Windows子系统及虚拟化

1.2 下载Ubuntu20.04并安装

1.3 安装GUI程序

1.3.1 更新发行版中的包

1.3.2 安装文本编辑器

1.3.3 安装GIMP

1.3.4 安装桌面文件管理器Nautilus

1.3.5 安装适用于Linux的Google Chrome

二、Ubuntu20.04安装CUDA-11.8（命令行方法）

2.1 查看显卡信息，判断可安装的CUDA版本

2.2 下载CUDA11.8并安装

2.3 修改环境变量

2.4 检查CUDA是否安装成功

三、Ubuntu20.04安装cuDNN-8.9.6

3.1 下载cuDNN-8.9.6并安装

3.2 检查cuDNN是否安装成功

四、安装Anaconda3

五、安装cmake-3.23.0

六、安装COLMAP

6.1 安装依赖项

6.2 配置和编译COLMAP

6.3 检查COLMAP是否安装成功

七、安装OpenCV-4.5.0

7.1 安装依赖项

7.1.1 必须依赖项

7.1.2 可选依赖项

7.2 下载OpenCV-4.5.0源文件

7.3 配置和安装

7.4 检查OpenCV是否安装成功

八、jupyter notebook打开特定虚拟环境

8.1 安装jupyter notebook并启动

8.2 配置jupyter notebook内核

8.3 在jupyter notebook中选择特定虚拟环境运行

发表评论

“Ubuntu20.04环境配置（自用）”的评论:

关于作者

overfit同步小助手

相关阅读

文章导航