大家好，今天来为大家解答华硕主板Win 10 UEFI GPT配置下SSD+HDD双硬盘安装Ubuntu及显卡驱动与CUDA+Cudnn教程这个问题的一些问题点，包括也一样很多人还不知道，因此呢，今天就来为大家分析分析，现在让我们一起来看看吧！如果解决了您的问题，还望您关注下本站哦，谢谢~
一、安装前准备
1.安装EasyUEFI
通常采用BIOS+MBR架构的双系统需要使用EasyBCD软件添加启动项，而使用UEFI则需要EasyUEFI。 win10下先安装EasyUEFI，这样可以管理启动项，后期可以删除win10下的ubuntu系统。
2.制作Ubuntu 16.04LTS启动盘
从Ubuntu 16.04LTS 中国官网或Ubuntu 16.04LTS 官网下载Ubuntu 16.04LTS。我使用Ubuntu官方推荐的Rufus来制作启动盘。有关方法，请参阅如何在Windows 上创建可启动USB 记忆棒。使用此工具时，有三种模式可供选择。使用哪种模式取决于计算机的配置。可以通过百度查看电脑主板是否是UEFI以及硬盘分区是MBR还是GPT：如何查看电脑硬盘是GPT分区还是MBR分区+ 如何查看主板是否是UEFI启动以及是否启动支持UEFI模式。如果实在不清楚，请选择第一个选项。有资料称，也可以直接将其解压到空的USB 闪存驱动器中。总之，制作系统启动盘的方法有很多种。不过也是用UltraISO软盘制作的，但是我制作之后却安装失败。然后我改用Rufus，文件系统用的是Ntfs，但是安装还是失败。这两种故障情况都是ACPI 错误。后来发现U盘太旧了。虽然这个U盘也有16G的，但是我使用了另一个较新的16G U盘，使用Rufus制作了启动盘。文件系统默认为FAT32，可以相应选择分区方案和目标系统类型，如下图所示。
3.禁用UEFI安全启动、关闭快速启动
禁用UEFI安全启动的方法请参见配置深度学习主机及环境（TensorFlow+1080Ti）:（二）Win10Ubuntu双系统及显卡驱动安装。关闭快速启动关闭win10快速启动的方法。如果Win10电源管理中没有快速启动选项，那么请按照Win10电源管理无快速启动选项中的方法进行设置，因为我就是这种情况。
4.为Ubuntu系统分配硬盘空间
如有必要，使用DiskGenius或分区助手调整每个硬盘的大小“右键计算机--管理--磁盘管理--右键单击选定的驱动器盘符--压缩卷”
将空间压缩到至少60G（空间太小，分区时会很难分配，而且运行速度会很慢）。不要分配驱动器号，只需将其保留在空闲或未分配状态即可。这个未分配的空间就是我们以后安装Ubuntu系统所使用的空间。我压缩了130g固态硬盘空间用于安装ubuntu。
二、安装ubuntu 16.04
安装方法主要参考配置深度学习主机及环境（TensorFlow+1080Ti）:（2）Win10Ubuntu双系统及显卡驱动安装。也可以参考Win10下UEFI环境安装Ubuntu 16.04双系统的教程。我准备的分区情况是：交换空间：8G
efi系统分区：512M
挂载“/”：30G
挂载“/usr”：35G
挂载“/home”：51G
因为我参考了以下内容：
1.swap交换空间相当于Win中的虚拟内存。通常需要划分为物理内存对应的两倍空间。考虑到深度学习主机内存一般为32G、64G或128G，所以选择忽略不划分，以后如果需要的话。您还可以在系统设置中添加交换部分。其实我分了8G。
2、对于EFI系统分区，选择分区类型为“逻辑分区”，分区位置选择“空间起始位置”。分配大小为512M，足够了。
3、挂载“/”，类型为EXT4日志文件系统，选择“逻辑分区”和“空间起始位置”。根目录会挂载除“/home”和“/usr”之外的其他目录，并分配30G。
4、挂载“/usr”，类型为EXT4日志文件系统，选择“逻辑分区”和“空间起始位置”。 “/usr”是Linux存放软件的地方，分配了40G。
5、挂载“/home”，类型为EXT4日志文件系统，选择“逻辑分区”和“空间起始位置”。剩下的50G左右的空间全部分配给“/home”。
实际分区情况为：其中0盘为2T机械硬盘，1盘为256G固态硬盘，该固态硬盘用于安装win 10系统和ubuntu 16.04系统。磁盘1分区从左到右分别是：
100MB：win 10系统启动分区
100GB C盘：win 10系统
7.51GB H盘：固态硬盘中的非系统分区，用于存放常用文件
ubuntu 16.04系统中488MB: efi系统分区
3.81GB：ubuntu 16.04系统中的交换空间
27.94GB：在ubuntu 16.04系统中挂载“/”
42.84GB：在ubuntu 16.04系统中挂载“/usr”
55.79GB：在ubuntu 16.04系统中挂载“/home”
如果安装ubuntu时出现ACPI错误，可以参考Win10安装Ubuntu-GNOME双系统陷阱综合
三、安装显卡驱动
。因为我的Ubuntu此时没有联网，所以无法使用系统自带的软件更新来安装，所以只能在win10中自己下载驱动，然后在ubuntu中安装。安装方法请参见在Ubuntu 16.04中安装GTX1080Ti驱动，以及在Ubuntu 16.04中安装NVIDIA驱动
四、台式机ubuntu无线上网问题
。我想在桌面ubuntu16.04和win10上都使用无线网卡上网。我发现ubuntu下很多网卡无法上网。即使可以，也只能安装网卡驱动，需要复杂的步骤，但我也发现了两张在Ubuntu系统中无需驱动即可即插即用的网卡，也无需驱动即可上网在Windows 中：
RT5572无线网卡，2.4GHz和5GHz双频，传输速率为300Mbps。因为速度比较快，所以我就用这个网卡。 RT3070(L)白色或RT3070(L)黑色或RT3070(L)-Hi-Link，频段仅2.4GHz，传输速率150Mbps
五、卸载 Ubuntu
方法参见Win10+Ubuntu16.04双系统（ UEFI+GPT、SDD+HDD）解决方案
六、安装CUDA 9.1 和Cudnn 7.1.1
安装CUDA 9.1和Cudnn 7.1.1后发现最新版本的tensorflow 1.7.0不支持CUDA 9.1和Cudnn 7.1.1，但支持CUDA 9.0和Cudnn 7.0。请参阅tensorflow官网的安装说明：Installing TensorFlow 或Installing TensorFlow on Ubuntu，否则会出现以下错误：
(tensordai) mengzhuo@ubuntu:~$ python
Python 3.6.2 |Continuum Analytics, Inc.| （默认，2017年7月20日，13:51:32）
Linux 上的[GCC 4.4.7 20120313 (Red Hat 4.4.7-1)]
输入“帮助”、“版权”、“制作人员”或“许可证”以获取更多信息。
输入命令：导入tensorflow as tf
发生错误：ImportError: libcublas.so.9.0: 无法打开共享对象文件： 没有这样的文件或目录
因此，您应该安装CUDA 9.0 和Cudnn 7.0。安装方法与下面相同。
CUDA 9.0的下载地址为：CUDA Toolkit 9.0，因此可以跳过前3步，直接进入步骤4安装CUDA 9.0和CUDNN 7.0.5。
1.安装CUDA 9.1
参考教程：Ubuntu 16.04上安装CUDA 9.0详细教程，Ubuntu16.04上安装cuda9——简明教程
官方教程膜拜上：官方教程下载CUDA工具包9.1下载
主要安装方法请参见：Ubuntu 16.04上安装CUDA9.1和cuDNN7详细教程。和官方教程基本一样。我和本教程之间的一个区别是设置环境变量。因为我也安装了CUDA 9.1，所以在终端中回车
须藤gedit /etc/profile
在打开的文件的末尾，添加以下两行。
64位系统：
导出路径=/usr/local/cuda-9.1/bin:$PATH
导出LD_LIBRARY_PATH=/usr/local/cuda-9.1/lib64:$LD_LIBRARY_PATH
这里的文件目录是cuda-9.1，不是cuda-9.0。
2.安装Cudnn 7.1
按照Ubuntu16.04中安装CUDA9.1和cuDNN7的详细教程，以tgz文件的形式安装Cudnn 7.1。本教程也是遵循cudnn7.1.1安装官方教程。下载cudnn需要注册。我是从cuDNN 下载的。我下载的是cuDNN v7.1.1 Library for Linux，如下图所示。
综上所述，实际以tgz文件的形式安装cuDNN只需要4条命令即可安装成功。在cuDNN7的tgz安装文件所在文件夹中：右键---在终端中打开---然后在终端中打开输入以下4命令：tar -xzvf cudnn-9.1-linux-x64- v7.tgz
sudo cp cuda/include/cudnn.h /usr/local/cuda/include
sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64
sudo chmod a+r /usr/local/cuda/include/cudnn.h /usr/local/cuda/lib64/libcudnn*
由于cudnn是以tgz文件的形式安装的，因此无法像官方教程那样验证cudnn是否安装成功。不过，我查看了每个文件目录并确认安装应该成功。
3.卸载 CUDNN 7.1.1 和CUDA 9.1，
3.1 卸载CUDA 9.1的方法见：
以运行文件形式安装CUDA9.1的官方卸载方法：sudo /usr/local/cuda-9.1/bin/uninstall_cuda_9.1.pl
ubuntu16.04下卸载CUDA9.1
3.2 卸载CUDNN 7.1.1 的方法：
因为安装CUDNN实际上只是复制几个文件到CUDA安装目录下，所以要卸载CUDNN只需要复制CUDA安装目录"/usr/local/cuda-9.1"即可删除它：
cd /usr/local/
须藤rm -r cuda-9.1
如果之前已经验证过CUDA，则会在/home/用户名下生成文件夹“NVIDIA_CUDA-9.1_Samples”。可以一起删除：
cd /home/孟卓
sudo rm -r NVIDIA_CUDA-9.1_Samples
注：我使用官方卸载方法卸载了CUDA 9.1，然后使用以下"4.4.1 方法一"安装CUDA 9.0：发现：
系统分辨率变得就像没有安装驱动一样，Ubuntu登录界面出现登录循环，无法图形化进入Ubuntu。
我的猜测是原因：卸载CUDA 9.1时，可能卸载了一些驱动程序包。
我针对办法解决的是：在登录界面按Alt+Ctrl+F1进入字符界面，然后卸载我刚刚安装的CUDA 9.0，使用驱动的.run安装包而不卸载驱动，然后按照以上说明安装驱动方法为重新安装修复驱动。然后分辨率正常，登录循环现象消失。最后进入ubuntu系统后，我使用
4.安装CUDA 9.0
CUDA 9.0下载地址为：CUDA Toolkit 9.0
参考教程：Ubuntu 16.04上安装CUDA 9.0详细教程、Ubuntu16.04上安装cuda9——简明教程
官方教程膜拜上：安装CUDA9.0官方教程安装方法与上面安装CUDA 9.1相同。主要方法如下：Ubuntu16.04上安装CUDA9.1和cuDNN7详细教程。和官方教程基本一样。具体方法如下：
4.1 检查自己的计算机是否具备CUDA安装条件
检查方法参见：Ubuntu16.04上安装CUDA9.1和cuDNN7详细教程
4.2 安装NVIIDA驱动。
CUDA 提供两种安装方法：包管理器安装和运行文件安装。因为CUDA安装文件将近1.6G，所以这里选择了runfile安装。 CUDA自带的驱动可能无法定位到内核信息，所以必须先安装NVIIDA驱动。我之前已经安装过驱动了，所以这一步就不用了。
4.3 下载CUDA 9.0的runfile安装文件
下载地址：CUDA工具包9.0
4.4 开始安装CUDA 9.0
4.4.1 方法一：网上大部分的方法都是这种，太复杂，所以可直接看4.4.2的方法二
重新启动系统，登录时按Ctrl+Alt+F1进入字符终端界面。登录成功后，关闭图形界面sudo service lightdm stop
使用cd命令进入CUDA 9.0的.run安装文件所在文件夹。比如我的是： cd /home/mengzhuo/#mengzhuo是我的系统用户名
找到下载文件的路径并键入以下命令进行安装： sudo sh cuda_9.0.176_384.81_linux.run
单击“Enter”，直至提示“Do you want to install the driver for NVIDIA?”请务必选择否，因为驱动程序已经安装，其他一切都是默认的。最后你会看到cuda驱动、sample、takeit已经安装成功，但是缺少一些库。
添加这些库： sudo apt-get install freeglut3-dev build-essential libx11-dev libxmu-dev libxi-dev libgl1-mesa-glx libglu1-mesa libglu1-mesa-dev
重启图形界面：sudo service lightdm start
同时按Alt+ctrl+F7，返回图形登录界面，输入密码即可登录。如果能登录成功，说明不会遇到循环登录的问题，基本上就说明了CUDA安装成功。重新启动计算机并检查设备节点验证：ls /dev/nvidia*
如果结果显示：/dev/nvidia0 /dev/nvidiactl /dev/nvidia-uvm
或者显示类似的信息。应该有3个（包括1个类似/dev/nvidia-nvm的），则安装成功。如果显示其他情况，请按照在Ubuntu 16.04上安装CUDA9.1和cuDNN7的详细教程中的步骤进行设置。
在终端中输入sudo gedit /etc/profile
在打开的文件末尾添加以下两行：
64位系统：export PATH=/usr/local/cuda-9.0/bin:PATH export LD_LIBRARY_PATH=/usr/local/cuda-9.0/lib64:LD_LIBRARY_PATH
32位系统：
导出PATH=/usr/local/cuda-9.0/bin:PATH 导出LD_LIBRARY_PATH=/usr/local/cuda-9.0/lib:LD_LIBRARY_PATH
保存文件并重新启动。由于source /etc/profile是暂时生效的，重启电脑就会永久生效。重新启动计算机，检查上述环境变量是否设置成功。
4.4.2 方法二：
因为我们在安装cuda时不需要安装驱动，所以不需要按Ctrl+Alt+F1进入字符终端，也不需要关闭图形界面。同时，方法一在验证是否安装成功时，make过于复杂，耗时20+分钟。事实上，您只需要制作一个文件，因此只需几秒钟即可验证安装是否正确。具体方法如下：
首先安装安装cuda所需的依赖库： sudo apt-get install freeglut3-dev build-essential libx11-dev libxmu-dev libxi-dev libgl1-mesa-glx libglu1-mesa libglu1-mesa-dev
输入以下命令： cd /home/mengzhuo/mengzhuo 是我的系统用户名。该文件夹中有一个CUDA9.0的.run安装文件。
sudo sh cuda_9.0.176_384.81_linux.run
单击“Enter”，直至提示“Do you want to install the driver for NVIDIA?”请务必选择“否”，因为驱动程序已安装。否则，选择是。
添加环境变量： sudo gedit /etc/profile
在打开的文件末尾添加以下两行：
64位系统：
导出PATH=/usr/local/cuda-9.0/bin:PATH 导出LD_LIBRARY_PATH=/usr/local/cuda-9.0/lib64:LD_LIBRARY_PATH
保存文件并重新启动。因为source /etc/profile是暂时生效的，重启电脑就会永久生效。重新启动计算机，检查上述环境变量是否设置成功。
4.5 验证CUDA 9.0是否安装成功
4.5.1 方法一：网上大部分的方法都是这种，太复杂太花时间，所以可直接看4.5.2的方法二
验证CUDA 工具包：nvcc -V
最后我们需要尝试编译cuda提供的例子，看看cuda是否可以正常运行。打开终端并输入：cd /home/user_name/NVIDIA_CUDA-9.1_Samples
制作
系统会自动进入编译过程。整个过程大约需要十到二十分钟。请耐心等待。如果出现错误，系统会立即报错并停止。如果编译成功，最后会显示Finished Building CUDA Samples，如下图所示。
运行编译后的二进制文件。编译后的二进制文件默认保存在NVIDIA_CUDA-9.1_Samples/bin中。然后在终端输入：
cd bin/x86_64/linux/release
./deviceQuery
结果如下图所示： 如果看到类似下图的显示，则说明CUDA安装配置成功。结果=PASS表示成功。如果失败，结果=FAIL。最后，检查系统和支持CUDA 的设备之间的连接。
终端输入：/bandwidthTest
如果看到类似下图的内容，就说明成功了。
4.5.2方法二：
验证CUDA 工具包：nvcc -V
我们需要尝试编译cuda提供的例子，看看cuda是否可以正常运行。这里我们不需要像方法一那样制作所有样品，而只需要制作一个样品。这样可以将时间从20多分钟缩短到几秒钟。打开终端，输入：cd /home/mengzhuo/NVIDIA_CUDA-9.0_Samples/1_Utilities # 进入NVIDIA_CUDA-9.0_Samples中deviceQuery所在文件夹。孟卓是我自己的用户名
制作
cd /home/mengzhuo/NVIDIA_CUDA-9.0_Samples/bin/x86_64/linux/release
./deviceQuery
结果如下图所示： 如果看到类似下图的显示，则说明CUDA 安装配置成功，其中Result=PASS 表示成功，如果失败则Result=FAIL。
5.安装CUDNN 7.0.5
按照Ubuntu16.04安装CUDA9.1和cuDNN7的详细教程，以tgz文件的形式安装Cudnn 7.0.5。本教程也是遵循cudnn7.0.5安装官方教程。下载cudnn需要注册。我是从cuDNN 下载的。我下载了适用于Linux 的cuDNN v7.0.5 库。
，见下图。
其实cuDNN的安装只需解压安装包并将里面的文件复制到相应的地方即可。所以综上所述，实际以tgz文件的形式安装cuDNN只需要4条命令就可以安装成功。在cuDNN7的tgz安装文件所在文件夹中：右键---在终端中打开---然后在终端中输入以下4条命令即可：tar -xzvf cudnn-9.0-linux-x64-v7。 tgz
sudo cp cuda/include/cudnn.h /usr/local/cuda/include/
sudo cp cuda/lib64/* /usr/local/cuda/lib64/
sudo chmod a+r /usr/local/cuda/include/cudnn.h /usr/local/cuda/lib64/libcudnn*
注意：上面第三个命令的官方方法是： sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64/，但是我没有看到lib64文件夹下有一个名为libcudnn的文件夹，所以你还是应该使用我上面的第三个命令。
为了防止软链接被破坏，需要输入以下四个命令。不管怎样，当我按照上面官方的安装方法进行测试时，却提示软链接损坏：
cd /usr/local/cuda-9.0/lib64
须藤ln -s libcudnn.so.7.0.5 libcudnn.so.7
sudo ln -s libcudnn.so.7 libcudnn.so
sudo ldconfig -v #如果更改了lib、lib64、ld.so.conf，必须重新运行ldconfig，否则系统找不到动态链接库
由于cudnn是以tgz文件的形式安装的，因此无法像官方教程那样验证cudnn是否安装成功。不过，我查看了每个文件目录并确认安装应该成功。
七、安装Anaconda 3.5.1及其中自带的python 3.6
虽然我的ubuntu 16系统自带的python是2.7.12，但是Anaconda不仅可以进行包管理，还可以进行环境管理，所以我用它来创建和管理虚拟环境。前往Anaconda官方下载地址或者清华anaconda镜像下载python版本对应的Anaconda安装文件。我这里下载的是python3.6版本：这次使用的是Anaconda3-5.1.0-Linux-x86_64.sh。
主要安装方法请参见在Ubuntu 16.04上安装Anaconda3。另外，还可以参考在Ubuntu上安装Anaconda3的详细步骤。
八、安装pycharm
方法请参见在Ubuntu 16.04上安装PyCharm
如果应用程序中找不到pycharm启动项，可以使用以下方法：
打开Pycharm---工具---创建桌面条目.---Ok
根本不需要用这个方法：在ubuntu16.4中为pycharm创建桌面快捷方式启动
方式。这种方法不仅复杂，而且我用这种方法后发现程序图标并没有被加载，所以图标变发了一个问号图片。九、利用pycharm创建虚拟环境，并在虚拟环境内安装tensorflow、keras等深度学习框架
如果不想利用pycharm创建虚拟环境，并在虚拟环境内安装tensorflow、keras等深度学习框架，而是非要自己在终端手机输入命令来进行，那么可直接跳过本节看下一节"十、在Anaconda创建的虚拟环境内安装tensorflow"，本节和下一节方法是等效的，只是本节方法更简单、更直观而已。 打开pycharm--->Files--->New Project--->Pure python 1.png在New environment using中可选择“Conda”或"Virtualenv"来创建虚拟环境，在Location中把“untitled”改成自定义的虚拟环境名字，Python version中可自己选择想要的版本，这里我选择的是用"Virtualenv"来创建虚拟环境，因为我用“Conda”来创建虚拟环境后发现安装包速率很慢，尽管我在pycharm中已经更换了国内的pip源。 Files--->Settings--->Project Interpreter 可以点击上图中右上角的齿轮图标，来更换项目解释器。 点击右上角“+”，可以看到“Availabe Packages”，并可以搜索安装想要的包。如果前是选择“Conda”来创建虚拟环境，这里就是一片空白，什么都没有。 更换国内pip源：点击上图中的“Manage Repositories”，然后输入源地址，如下图所示。十、在Anaconda创建的虚拟环境内安装tensorflow
本节和上一节方法是等效的，只是上一节方法更简单、更直观，如果你已经按照"九、利用pycharm创建虚拟环境，并在虚拟环境内安装tensorflow、keras等深度学习框架"中的方法进行，可跳过本节。 Ubuntu16.04+Anaconda安装+换源+环境创建+tensorflow安装（3）Ubuntu16.04下安装tensorflow（Anaconda3+pycharm+tensorflow+CPU）Ubuntu16.04安装anaconda3+tensorflowUbuntu下使用pycharm add TensorFlow解决每次使用conda创建的虚拟环境都需要激活的问题：如何在Ubuntu下安装Anaconda及搭建环境安装TensorFlow深度学习框架在虚拟环境中安装tensoflow时不要用conda命令安装，因为我看到conda安装包里面的tensorflow gpu版本已经是4个月前了，不是最新的，所以还是用pip3命令安装吧。1.利用conda创建虚拟环境
conda create -n tensordai python=3.6 tensordai是虚拟环境的名字。2.在虚拟环境内安装tensorflow
2.1 方法一：见Ubuntu16.04安装anaconda3+tensorflow
注意：这种方法我没成功，原因是网络老是断掉，所以我更换了国内的pip源，再进行了方法二来安装tensorflow 1.7.0. 所以大家还是直接看方法二吧。 下面是方法1的内容： 根据tensorflow的github官方网站可知python 3的安装命令如下：GPU版：pip install tf-nightly-gpu CPU版：pip install tf-nightly 或者可以先下载好对应版本的安装文件：Linux CPU-only:Python 2(build history) /Python 3.4(build history) /Python 3.5(build history) /Python 3.6(build history) Linux GPU:Python 2(build history) /Python 3.4(build history) /Python 3.5(build history) /Python 3.6(build history) 我点击python3.6版本Python 3.6(build history) 中的“build history”，然后下载这个文件“tf_nightly_gpu-1.7.0.dev20180222-cp36-cp36m-manylinux1_x86_64.whl”,然后必须把它重命名为“tensorflow-1.7.0-py3-none-linux_x86_64.whl”，否则会出现错误“tf_nightly_gpu-1.7.0.dev20180222-cp36-cp36m-linux_x86_64.whl is not a supported wheel on this platform.” 再利用下面的命令进行安装： source activate tensordai #激活虚拟环境 cd ~/Download #我是将下载好的东西放在了Download文件夹里 pip3 install --ignore-installed --upgrade tensorflow-1.7.0-py3-none-linux_x86_64.whl 或者 pip install tf-nightly-gpu 参考：如何在 Ubuntu 16.04 上安装并使用 TensorFlow、ubuntu16.04安装TensorFlow的正确步骤2.2 方法二：
更换pip源，换为国内镜像，方法见：更换pip源到国内镜像、pip换源（更换软件镜像源） http://pypi.douban.com是豆瓣提供一个镜像源，软件够新，连接速度也很好。所以我选择豆瓣为我的镜像源。 更换源命令为：cd ~ mkdir .pip sudo gedit ~/.pip/pip.conf 然后直接编辑文件pip.conf的内容为： [global] index-url =http://pypi.douban.com/simple/ [install] trusted-host = pypi.douban.com 这样就更换pip源成功了。 运行命令：pip install tf-nightly-gpu3.测试是否安装成功
进入python环境：$ python # 进入python环境 import tensorflow as tf hello = tf.constant("Hello, TensorFlow!") sess = tf.Session() sess.run(hello) a = tf.constant(10) b = tf.constant(32) sess.run(a + b) sess.close() 卸载tensorflowpip uninstall tf-nightly-gpu 本文链接：https://www.jianshu.com/p/a9d458544ca1END，本文到此结束，如果可以帮助到大家，还望关注本站哦！
【华硕主板Win 10 UEFI GPT配置下SSD+HDD双硬盘安装Ubuntu及显卡驱动与CUDA+Cudnn教程】相关文章：
2.米颠拜石
3.王羲之临池学书
8.郑板桥轶事十则
用户评论
这确实是一个比较专业的深度学习环境配置，我感觉需要一定的硬件和软件基础才好上手。
有20位网友表示赞同！
华硕主板配上GTX 1080Ti 的组合真让人流口水，想尝试一下自己搭建一个深度学习环境。
有19位网友表示赞同！
看标题里的内容是win 10 + UEFI + GPT 条件下安装 Ubuntu，这方面我了解挺多经验的。
有14位网友表示赞同！
SSD 和 HDD 双硬盘配置的系统应该运行速度会比较快吧，想试试这个搭配的效果。
有6位网友表示赞同！
CUDA 9.1 + Cudnn 7.1 版本可以用于很多深度学习框架，这些版本比较稳定吧?
有7位网友表示赞同！
搭建深度学习环境的时候，显卡驱动是需要重点关注的，特别是GTX 1080Ti 这款型号。
有14位网友表示赞同！
我之前搭建过一个类似的环境，但是没有使用双硬盘配置，感觉这个方法值得尝试。
有11位网友表示赞同！
华硕主板应该比较好上手吧？最近想要换个新的，正好问问你用哪个型号的？
有17位网友表示赞同！
深度学习环境里需要很多软件和工具，这篇文章能帮我节省不少时间研究。
有20位网友表示赞同！
感觉这个配置应该能满足绝大多数深度学习的需求，性价比很高。
有6位网友表示赞同！
我最近想入坑深度学习，看了标题感觉挺适合小白新手入门使用。
有12位网友表示赞同！
想要在 Ubuntu 下安装 CUDA 和 Cudnn 的小伙伴们可以参考这篇博文，非常实用！
有18位网友表示赞同！
双硬盘配置的确提升整体性能，特别是进行数据存储和模型训练的时候效果更明显。
有15位网友表示赞同！
看到Gtx 1080Ti 感觉好激动，想问问你平时常用的深度学习框架有哪些？
有17位网友表示赞同！
UEFI 和 GPT 的配置方案，可以提高系统稳定性和性能，值得一试！
有6位网友表示赞同！
深度学习的环境搭建比较复杂，需要有一定的技术基础才能成功完成。
有11位网友表示赞同！
这篇配置详解非常详细，图文并茂，应该能让小白也能更容易理解。
有11位网友表示赞同！
安装 Ubuntu 和显卡驱动的时候需要注意一些细节，相信这篇博文会提供很好的指导。
有8位网友表示赞同！