【转】Windows+Ubuntu从双系统安装到CUDA cuDNN docker 配置K210等多模型训练环境
目录
一、系统盘制作
二、Ubuntu20.04 LTS+Windows双系统安装
三、cuda & cuDNN & Docker
四、Anaconda & Pycharm
五、yolov5
六、maix_train
准备
U盘或读卡器+SD卡【最好选用USB3.0或高速SD卡（本人用的是读卡器和SD卡）】
个人PC
新手不要在学校服务器上尝试！
新手不要在学校服务器上尝试！
新手不要在学校服务器上尝试！
一、Ubuntu20.04 LTS 镜像下载 & 启动盘制作
1. Ubuntu 20.04 LTS官方镜像下载地址: https://cn.ubuntu.com/download/desktop
2. 使用SD Memory Card Formatter格式化U盘或SD卡，使用Etcher烧录系统镜像，具体使用方法可移步上一个教程: Jetson nano从烧录系统到DeepStream+TensorRT+yolov5检测CSI摄像头视频 - 哔哩哔哩 (bilibili.com) 只需将镜像换成下好的Ubuntu镜像即可！
二、Ubuntu20.04 LTS+Windows双系统安装
1.重启电脑，按F12或者其它键进入启动项选择，并选择U盘为启动项
下面进入分区步骤，谨慎操作，数据无价！！！
下面进入分区步骤，谨慎操作，数据无价！！！
下面进入分区步骤，谨慎操作，数据无价！！！
2. 第一种情况：重装Ubutnu或者整块空磁盘，可选择清空整块磁盘，高级选项选无即可。
3.下一步选择要安装的磁盘位置，此方法仅适用空磁盘没有其他系统或分区的，如有问题看4，5步
4.第二种情况Windows或其他系统与Ubuntu共用磁盘，需要提前压缩磁盘，留出连续空闲空间
5.选择要安装的其他，在空闲空间(free space) 依次创建EFI System Partition (ESP)、Ext4 journaling file system、swap area (交换分区，可选)
EFI分区512MB即可
Ext4分区选最大，或留出8~16GB做swap分区，swap分区大小跟电脑内存（RAM）大小相同即可，不建议将/home目录单独分区。并挂载到系统跟目录 /
swap分区可选，用作swap分区
将Device for boot loader installation选择为EFI分区，并检查主分区是否挂载至根目录！
6.双系统请勿随便删除其他非空分区、主分区、逻辑分区，双系统必须在Windows磁盘管理中压缩空间成未分配状态，以防误删。再次检查确认无误后点继续！
7.时区这里选择上海（Shanghai）
8. 用户名、主机名、简短容易辨识即可
9.等待安装结束~~~
10. 安装完成，提示拔出U盘 按回车重启
进入启动项，选择刚才安装的Ubuntu，如果需要修改启动顺序，自行在Bios中修改
这里选择Ubuntu即可，如需进入Windows选第三个
三、cuda & cuDNN & Docker
cuda cuDNN仅限有NVIDIA独立显卡安装 没有或仅训练k210模型可跳至 四
打开Software & Updates 选择Additional Drivers，可能会出现与我相同的情况，选项为灰色，具体参考Ubuntu社区此帖，https://ubuntu-mate.community/t/no-proprietary-drivers-are-in-use-ubuntu-drivers-list-no-output/23204 此前没有遇到此类问题。
在终端执行sudo ubuntu-drivers autoinstall即可，本以为系统又要重装
然后选择最新的显卡驱动 版本465 cuda11.3 重启即可
输入nvidia-smi即可查看cuda版本11.3 记住这个版本号，装cuda版本只能小于或等于此版本，建议安装较新的，需要低版本可以通过anaconda中的cudatoolkit解决。anaconda安装配置环境在下面。如果不使用基础环境中的cuda cuDNN可跳过此步骤！
从NVIDIA官网，cuda11.3安装界面。
如遇到下载失败，自行删除失败文件，重新下载
deb (local)成功率最高，不建议尝试deb (network) 和runfile loacl，安装过程稍慢，请耐心等待，不要Ctrl C终止或关闭终端。
安装完成之后，加入到环境变量，可用gedit或vim编辑，vim可用sudo apt install vim安装，具体使用方法，参考上一篇帖子，
注意cuda版本是11.3，保存退出，输入source .bashrc，输入nvcc -V 即可查看cuda版本。
接下来安装cuDNN，需要注册账号，建议选用deb方式安装。https://developer.nvidia.com/cuda-download-survey
依次下载、用sudo dpkg -i *.deb方式安装
然后安装docker，https://docs.nvidia.com/datacenter/cloud-native/container-toolkit/install-guide.html#docker
没有curl先sudo apt install curl，然后按照命令依次按照即可，注意不要执行Note里面关于wsl2的命令
安装完成，重启docker服务
输入sudo docker ps -a 即可查看当前运行的容器
更多Docker容器 可访问官网https://ngc.nvidia.com/catalog 查看，docker使用非常方便，官方提供各种配好的机器学习框架，计算机视觉等包，拉取即用。
四、Anaconda & Pycharm
另一种就是anaconda虚拟环境，也能够很方便的管理包，可以使用cudatoolkit而取代基础环境中的cuda cuDNN 从而避免以上繁琐的过程
https://www.anaconda.com/products/individual#Downloads
下载Linux-64位版本，先chmod a+x ./Anaconda3-2021.05-Linux-x86_64.sh提权，然后./Anaconda3-2021.05-Linux-x86_64.sh
注意！不要使用sudo sh命令，否则会安装到root下。
第一个选yes
安装目录默认即可
第二个也要选yes添加到环境变量，
重启终端，可以看见用户名前多了(base)代表基础环境，输入anaconda-navigator即可进入anaconda图形界面
然后是Pycharm安装，相较于vscode我更推荐用，
https://www.jetbrains.com/pycharm/download/#section=linux
将下载好的压缩包，解压至Home目录下
进入，bin文件夹，./pycharm.sh 启动
安装完成之后，sudo apt install git 可在Pycharm中拉取项目
五、yolov5
拉取yolov5项目 仅训练k210模型可跳过次步骤
这里选择取消 不创建Pycharm的虚拟环境
在File-Setting-Project-Python Interpreter-Add 中选择Conda Enviroment-New environment Python版本选择项目兼容的，
pip install -r requiremnets.txt -i https://mirror.baidu.com/pypi/simple
python detect.py
关于DarkNet框架编译，请参考我的上一篇教程，编译之前，需要安装cmake make libopencv-dev等包，可自行sudo apt install xxx安装
六、maix_train
接下来进入maix_train环境配置
项目地址：https://github.com/sipeed/maix_train.git
Python version 3.8
创建好之后点 + 号
搜索tensorflow，有NVIDIA的GPU选择tensorflow-gpu版本，没有选tensorflow即可版本号为2.4.1
然后，pip install -r requiremnets.txt -i https://mirror.baidu.com/pypi/simple 安装剩下的包
训练之前，先按照说明去nncase的GitHub 下载ncc v0.1.0 RC5 的Linux 版本，并解压到tools/ncc/ncc_v0.1目录下，注意不要套目录
训练之前，先python train.py init 生成配置文件，配置文件中包含epoch 等参数
这里有分类模型和检测模型可选，我这里选的是检测模型
训练结束后，会在out目录生成模型和脚本文件
修改boot.py 倒数第6行，为"/sd/m.kmodel" 复制到sd卡，插入烧好Maixpy固件的k210开发板即可运行！
写到最后，大部分深度学习项目，均可通过以上方法在Pycharm中用anaconda环境配置，相较于社区版，Pycharm专业版有更多的功能，使用docker容器也是非常方便，直接拉取就能使用。
https://www.bilibili.com/read/cv12141390/