Dell G3电脑配置

• 1. 准备
• 2. 固态内存配置
• 3. linux双系统配置
• 4. Linux系统配置
• • 4.1 Nvidia Driver
  • 4.2 CUDA
  • 4.3 配置python环境
  • 4.4 Opencv
  • 4.5 Deep learning框架
  • 4.6 ROS等
  • 4.7 Matlab
  • 4.8 Meshlab
• 5. Monitor

【注意】我非常不推荐用dell装双系统，我原本的笔记本和公司的笔记本都是联想的，双系统从来没有出现过问题。但是现在我的电脑和公司电脑都是dell的，但是在最近（2020/12的某次更新？或者其他问题），windows系统同时出现了问题，这应该就不是特例了。
公司的电脑还好，本来我们算法开发就不需要Windows，我用ubuntu就好了。
但是我自己的电脑就不一样了，下面是我做过的尝试和最终的办法：

• 本来我是打算修复C盘重新安装等等的。但是失败了，windows的任何修复都没有用。
• 后来尝试在ubuntu系统下清空原本windows占用的空间，然后重新装Windows。（本来我是想只格式化C盘部分的，这个可以抢救一下我的数据）。但是失败了，由于windows的磁盘都是bitlocker的，我尝试任何部分都没有办法fomat。（尝试包括各种disk工具，操作命令）
• 不过索性我是有两个固态硬盘的，我得把装有windows的那张取下（不然原本的boot会干扰安装，why？？？）。然后我把装有ubuntu的固态格式化了，成功重装了Windows。
• 所以，我推荐大家，除非实在没办法，最好不要在dell笔记本上装双系统。

1. 准备

在开始购置之前，因为不确定我的硬盘的接口型号和硬盘提供的空间大小，我先拆解了机器的背面，以做好充分的功课。

• 内存是普通的笔记本内存样式。-> 打算更新内存到两个32G。
• 硬盘有一个SATA，两个M.2的接口（其中一个为原厂装配的512G硬盘占用）。-> 打算增加一个M.2的1T固态内存。

2. 固态内存配置

打算将当前的系统移动至新的1T固态硬盘。旧的512G固态硬盘用作Linux系统的安装。主要参考这里。

• 使用 Macrium Reflect （有免费版本），克隆系统数据到新硬盘。
• 更改BIOS设置（dell G3分别是F2：更改BIOS设置，F12：选择启动方式）进入克隆的系统（建议在克隆之后，先在旧系统桌面放一个文件“这是旧系统”以区分两个系统）。
• 清除旧的硬盘内容，可以使用系统的硬盘管理（win+R，输入Diskmgmt.msc进入），删除旧的硬盘中的分区。有一些分区无法这样简单删除，可以使用一些第三方的免费应用来删除，比如我使用的是Paragon Hard Disk Manager。
• 最后可以进行一些硬盘的维护，右键硬盘属性->工具->优化，进行优化和维护。

3. linux双系统配置

这个在CSDN和其他网站上都有很多的博文，比如这一篇， 或者这一篇。

• 我在官网下载了ubuntu18.04（因为这个系统的算法支持最完善），使用rufus写入到U盘，默认设置即可。
• 但是对于Dell系统来说，需要一步额外的操作。看见一篇文章说dell默认的SATA 设置是RAID，这个会阻碍u盘的boot访问其他的ssd系统（这样就会导致无法正常安装ubuntu系统到其他的硬盘）。所以我们需要，1.开启windows的安全启动模式，2.设置SATA：由RAID到AHCI，3.关闭安全启动模式。
• 设置BIOS启动（F12）到U盘启动，选择安装Ubuntu，分配各个分区的大小，这个参考其他博文即可，只需要注意我们最好是选择自己配置分区（而不要使用默认的配置分区）。

4. Linux系统配置

在这里提一点，这些东西的安装，其实最好是跟随官方的说明，官方的文档都非常的清楚和简单，完全不需要看任何的博文。本文这里只是提出一个合适的安装顺序，和推荐的版本。

4.1 Nvidia Driver

在Linux系统中，推荐先配置Nvidia的显卡驱动，这个非常简单不要用各种奇怪的操作，简单使用autoinstall操作即可。

sudo ubuntu-drivers autoinstall

在安装过程中，有可能会有一个设置要求你输入一个密码以备下次启动时使用（用作允许第三方-我们的新系统-使用电脑的其他设备内容）。我配置过很多此显卡驱动，这个秘密大多数时候都不会问你要，但是这次在dell安装的时候用到了：在安装好驱动重启之后，会跳出一个页面，顺着指引输入密码，就可以完成了。在重启之后，正常的话输入：

nvidia-smi

就可以看到GPU的信息了，这是显示的CUDA可能是很新的版本，但是不用着急，我们正常安装CUDA就可以完成了。

4.2 CUDA

CUDA注意不要安装最新版本的，因为很多其他的库都没有对应最新CUDA的版本（比如pytorch和tensorflow）。在我写这篇博文的时候，我选择的是10.2的版本（最新的版本已经到11了）。

• 安装的过程非常简单，只需要跟随官方的指引即可，很简单。
• 推荐顺便把对应版本的cudnn安装好，也是跟随官方的说明，下载对应版本，解压。安装的说明在解压之后的readme中有，只需要复制到对应路径即可。

4.3 配置python环境

推荐建立一个python的虚拟环境，方便管理系统。

pip3 install virtualenv

virtualenv venv
source venv/bin/activate

4.4 Opencv

推荐安装3.4.xx的版本（大部分开源框架都是在opencv3上面建立的），跟随官方的文档安装即可，另外推荐顺便把contrib一起安装了，免得以后需要。

install guide

4.5 Deep learning框架

然后就可以安装对应的深度学习框架了，我这里安装了pytorch，很简单，跟随官方的命令即可。

4.6 ROS等

跟随官方文档即可。

4.7 Matlab

matlab也是非常重要的工具。教程和安装镜像在CSDN上也有很多，我用的是这个。

Remark：安装完毕之后可能会出现卡在加载页面无法启动的问题。这个问题参考这个官方解答 Why will MATLAB not start up properly on my Linux or UNIX based system?。 主要是因为我们之前使用过sudo启动matlab，导致matlab的perferences文件被创建在sudo环境下，普通打开matlab将没有权限启动perferences。最简单的解决办法就是删除~/.matlab下的文件。这样matlab在启动后就会重新正常创建perfeneces了。

CVX： 我使用matlab主要是做凸优化相关的内容，cvx就成了必不可少的模块。从官网下载cvx的数据包，放到matlab文件夹下，运行“cvx_setup”即可。

4.8 Meshlab

    sudo add-apt-repository ppa:zarquon42/meshlabsudo apt-get updatesudo apt-get install meshlab

5. Monitor

GPU monitor methods. While I perfer :

watch -n 1 nvidia-smi

And I made a simple GPU usage plot for linux system (based on GPUtil library “pip install gputil”, and psutil).

* “UserWarning: Matplotlib is currently using agg, which is a non-GUI backend, so cannot show the figure.” when plotting figure with pyplot

• sudo apt-get install python3-tk