双系统删除并重新安装Ubuntu，配置ROS+深度学习开发环境全过程

• 前言
• 1. 准备工作
• • 1.1 制作启动盘
  • 1.2 使用windows自带工具删除Ubuntu系统
  • 1.3 命令行删除引导分区
• 2. 安装和配置Ubuntu系统
• • 2.1 设置开机启动项
  • 2.2 关于Acer Nitro5 这台笔记本
  • 2.3 关于分区
  • 2.4 安装一些小工具
  • • 2.4.1 系统小插件
    • 2.4.2 修改键盘映射
    • 2.4.3 截图软件及全局快捷键设置
    • 2.4.4 中文输入法
    • 2.4.5 chrome浏览器
    • 2.3.6 Nvidia显卡cuda toolkit和cuDNN的安装
• 3 ROS和深度学习相关软件配置
• • 3.1 Anaconda
  • • 3.1.1 安装过程
    • 3.1.2 常用指令
  • 3.2 ROS-Noetic
  • • 3.2.1 命令行安装
    • 3.2.2 bashrc中添加环境变量
    • 3.2.3 其他
    • 3.2.4 安装验证
  • 3.3 vscode
  • • 3.3.1 安装过程
    • 3.3.2 常用插件
  • 3.4 pytorch
  • • 3.4.1 安装过程
    • 3.4.2 验证
  • 3.5 tensorflow（博主知识盲区，TODO）
• 4. 创建一个ros工程示例并以vscode作为集成开发环境示例
• • 4.1 初始化ros空间
  • 4.2 创建ros包
  • 4.3 配置编译快捷键
  • 4.5 配置vscode切换anaconda虚拟环境

前言

由于各种各样的原因，已经装好的双系统里的Ubuntu崩了（主要是因为不成气候的deepin wine）， 实在忍无可忍，所以重新安装Ubuntu系统。下面是记录。篇幅比较长，建议看着目录找到需要的部分进行阅读。

1. 准备工作

1.1 制作启动盘

首先进入windows系统，下在ultraiso软件，根据 上的教程制作一个系统盘。总的过程就是，先准备一个可以格式化的U盘，在ubuntu官 上下载一个ubuntu的镜像，然后使用ultraiso软件将镜像写入到格式化后的U盘里面。开机的时候选择U盘启动，进入系统盘之后按提示安装Ubuntu。

1.2 使用windows自带工具删除Ubuntu系统

这是一种比较紧单粗暴的方法，右键”我的电脑，选择”manage”或者中文的”管理”，然后在子硬盘管理下面删除掉Ubuntu系统相关的卷，一般来说应该是不带盘符的那几个卷，其中还会包括一个EFI system partition的盘(引导系统启动用的），要自行区分好，不要删错了。

2.1 设置开机启动项

进入电脑的bios界面，不同电脑品牌对应的快捷键不一样，自行百度。设置为U盘启动。

2.2 关于Acer Nitro5 这台笔记本

对于Acer Nitro5 笔记本电脑，是F12进入，如果进入不了的话应该是被disable了F12选择快速启动项的功能（进入bios之后，advanced菜单里有一个F12 boot menu的选项，选择启用下次就能够直接按F12了），这时候可以开机按F2进入bios界面，在boot菜单下选择启动顺序。另外，我还在 上看到有人问怎么把SATA模式改为AHCI，而不是默认的Optane with RAID模式。这是Acer比较鸡贼的地方， 上几乎没有教程提到怎么做。其实是可以的。进入BIOS后，在Main菜单栏下，按键盘的CTRL+S，这时候会多出一个选项，就跟玩游戏弹出了一个隐藏关卡一样，甚是有趣。

2.3 关于分区

安装的时候分区选择，只需要配置最重要的三个部分：

• /boot
• swap
• /
  总共的系统空间是180G左右，其中/boot我给了800MB其实是有点大了， swap area实际上是虚拟内存的空间，我给了20G，剩下的都分给了根目录，根目录会自动生成其他文件夹，所以只需要配置这三个分区即可。

由于如何安装Ubuntu系统这部分 上的教程数不胜数，再次不再鹦鹉学舌了，诸君自行百度搜索即可。

2.4 安装一些小工具

2.4.1 系统小插件

• gedit
• terminator
• htop
• tree
• gparted

2.4.2 修改键盘映射

如果是德语键盘的话，更改键盘的映射，让y和z对调，这样打字母就跟美式键盘一样了。更改的方式如下：

然后分别按下键盘的y键和z按键, 可以看到查看keycode, y键对应的是52, z对应的是29

2.4.3 截图软件及全局快捷键设置

截图软件推荐使用flameshot， 它的安装和全局快捷键配置如下：

在设置中添加快捷键

2.3.6 Nvidia显卡cuda toolkit和cuDNN的安装

关于Nvidia，有几个概念是需要知道的， nvidia是一家设计显卡的公司名字（废话）,

• CUDA ：是显卡厂商NVIDIA推出的运算平台，全称：Compute Unified Device Architecture，可以理解成一个我们不需要了解的并行计算模型，且他不需要与显卡硬件驱动 CUDA Driver适配。
• CUDA Driver： 与实际硬件适配的驱动。
• NVCC: 显卡的编译器
• CUDA TOOLKIT ：CUDA TOOLKIT 包含了一系列的编译器，科学计算库，一堆的API，CUDA Driver 是CUDA TOOLKIT 的子集，所以安装CUDA TOOLKIT一定会同时安装CUDA Driver，反之则不是。
• cuDNN ：全称NVIDIA CUDADeep Neural Network library， 是一个专门为了深度学习开发的库，有了它，才能在pytorch， tensorflow上使用Nvidia的GPU训练 络。

可以参考这位博主的详细讲解， https://blog.csdn.net/qq_42406643/article/details/109545766， 安装不迷茫！
上面讲了这么多，重点来了。不同的需求需要安装的东西是不一样的：

• 电脑看视频，分屏功能，玩游戏，剪辑视频需要用到显卡加速： CUDA Driver 就够了。
• 训练深度学习 络： CUDA TOOLKIT以及cuDNN

如果是后者，那么我们需要关注版本适配的问题，前面说到了安装CUDA TOOLKIT会同时安装CUDA Driver， 而不同显卡适配的CUDA Driver是不同的。所以相当于CUDA TOOLKIT的安装版本由显卡型 决定。而cuDNN负责沟通深度学习和显卡计算平台，需要与计算工具CUDA TOOLKIT适配。剩余的pytorch, tensorflow相应的需要与计算接口cuDNN适配。所以这所有的错综复杂的关系最终可以串称一条单向的关系链。

显卡型 -> 决定CUDA Driver版本 -> 决定 CUDA TOOLKIT的安装版本 -> 决定cuDNN 版本 -> 决定pytorch和tensorflow版本

搞清楚了这些，我们开始搜集线索，开始安装我们的驱动。下面给大家推演一遍：

手上的显卡是RTX 3050,
https://www.nvidia.com/zh-tw/geforce/drivers/ 适配的CUDA版本有495到515。

直接上CUDA TOOLKIT, 通过查阅官方的适配文档 https://docs.nvidia.com/cuda/cuda-toolkit-release-notes/index.html 可以看出，cuda toolkit需要选择11.5及以上的版本。

根据pytorch的安装指令 https://pytorch.org/get-started/locally/

可以得到CUDA的驱动版本和CUDA的版本，以及GPU的内存使用情况

最后我们再来安装一下cuDNN，然后再在下文新建的ros工程下跑一个cnn的demo验证cuDNN安装是否成功。

cuDNN的安装过程极致简洁，我们通过nvidia-smi命令已经确认了CUDA TOOLKIT的版本是11.6，也就是说现在激活的是 /usr/local 路径下的 cuda-11.6 文件夹，我们只需要把cuDNN的静态链接库等文件复制粘贴到对应的文件夹下即可。但，起码11.6版本是只有deb安装包，直接下载安装即可。

1. 先下载cuDNN安装包
   如果稍微认真一点观察，不难发现，cuDNN v8.3之后只需要下载ubuntu对应的deb包就行了，不需要再下载压缩包然后把某部分代码复制粘贴到指定的文件夹下。登录官 账 ，下载，然后
   

   3 ROS和深度学习相关软件配置

   3.1 Anaconda

   3.1.1 安装过程

   进入anaconda的官 ： https://www.anaconda.com/products/individual， 直接下载安装包
   

   sudo ln -s /usr/bin/python3 /usr/bin/python

   将python3 软链接到python这个指令里面，如果弹出了这个错误：

   ln: failed to create symbolic link ‘/usr/bin/python’: File exists

   则删除这一项之后再继续执行软链接：

   sudo rm /usr/bin/python

   3.1.2 常用指令

   conda env list
   conda activate <环境名>
   conda deactivate <环境名>
   conda create -n <环境名> python=<版本 >
   conda install <包名>=<版本 或者不需要给这个参数>
   conda remove -n <环境名> –all

   3.2 ROS-Noetic

   3.2.1 命令行安装

   参考链接：http://wiki.ros.org/noetic/Installation/Ubuntu

   3.2.2 bashrc中添加环境变量

   3.2.3 其他

   3.2.4 安装验证

   3.3.2 常用插件

   • Material Icon Theme
   • Power Mode
   • vscode-fileheader
   • better comments
   • todo highlight
   • Bracket Pair Colorization Toggler
   • Path intellisense
   • todo tree
   • code runner

   还有一些开发环境需要的插件

   • c/c++
   • c/c++ extension pack
   • python
   • python extension pack
   • python indent
   • ros

   3.5 tensorflow（博主知识盲区，TODO）

   知识盲区，暂未涉及，待定

   4. 创建一个ros工程示例并以vscode作为集成开发环境示例

   4.1 初始化ros空间

   先使用命令行初始化一个ros工作空间，注意关注ros工程的文件结构以及在什么路径下执行什么命令行

   4.2 创建ros包

   接着我们再创建一个ros包，按提示依次输入包名hello_rospack和依赖包名roscpp rospy std_mgs geometry_msgs sensor_msgs 使用空格隔开即可。
   

   4.5 配置vscode切换anaconda虚拟环境

   
   以上就是我从下午两点多决议重装系统，傍晚做了个饭，晚上继续撸到快十二点，间间断断地实践，总共装卸了两次，总结出的Ubuntu 20.04系统下，RTX3050显卡，从零开始配置的ROS+深度学习编程环境的总结。将会不定时更新。

   希望对刚入门的同学有所帮助。祝明天搬砖愉快！

   2022年8月28日
   Dianye Huang

   文章知识点与官方知识档案匹配，可进一步学习相关知识CS入门技能树Linux入门在线安装软件24758 人正在系统学习中

   声明：本站部分文章及图片源自用户投稿，如本站任何资料有侵权请您尽早请联系jinwei@zod.com.cn进行处理,非常感谢！