Ubuntu20.04环境配置（自用）

标签：Ubuntu20.04 sudo cmake 配置 dev 自用 apt install 安装

一、Windows11安装WSL2

1.1 启用Windows子系统及虚拟化

1. 打开设置 —— 控制面板

2. 程序 —— 程序和功能中的【启用或关闭Windows功能】

3. 勾选【适用于Linux的Windows子系统】和【虚拟机平台】

4. 重启电脑

1.2 下载Ubuntu20.04

1. 打开Microsoft Store，商店内搜索Ubuntu

2. 选择版本【20.04.6 LTS】下载并安装

3. 进入Ubuntu20.04，设置用户名和密码

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

1. 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）

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

3. 根据下方给出的命令依次运行安装

2.3 修改环境变量

1. 打开环境变量文件 

sudo vi ~/.bashrc

2. 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）

3. 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

1. 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）

2. 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

3. 安装依赖

sudo apt-get install zlib1g

4. 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 ~

5. 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/

6. 更新

sudo apt-get update

结果如下： 

 其中【8.6.9.50】即为安装的版本

 7. 下载

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

【8.x.x.x】替换为上面的【8.6.9.50】；【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

 1. 将cuDNN事例复制到可写路径

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

 2. 转到可写路径

cd  $HOME/cudnn_samples_v8/mnistCUDNN

3. 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

 4. 运行示例

./mnistCUDNN

若运行成功则显示：Test passed!

四、安装Anaconda3

1. 官网下载Anaconda3的Linux版本：https://www.anaconda.com/download/success  ，至本地

2. 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 ~

3. 安装

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

一路回车，安装位置默认

4. 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

1. 安装需要的依赖包

sudo apt update

sudo apt install build-essential libssl-dev

2. 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

3. 解压

tar -zxvf cmake-3.23.0.tar.gz

4. 进入压缩后的文件夹，并运行配置脚本

cd cmake-3.23.0

./configure

5. 安装

输入【nproc】查看核数

编译CMake

make -j32

安装CMake

sudo make install

6. 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

1. 进入github：https://github.com/colmap/colmap   下载至本地

2. 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 ~

3. 解压

sudo unzip colmap-main.zip

4. 进入文件夹并创建build

cd ~/colmap-main

sudo mkdir build

cd build

5. 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

ninja

sudo ninja install

 七、安装pyCOLMAP

前提条件：已经安装了COLMAP

pip install pycolmap

报错：

解决办法：

更新pip

python -m pip install --upgrade pip

显示【Successfully installed pycolmap-3.10.0】则表明安装成功

八、安装ORBSLAM2

 

标签：Ubuntu20.04,sudo,cmake,配置,dev,自用,apt,install,安装
From： https://blog.csdn.net/qq_56288100/article/details/141358723