1. 永久挂载机械硬盘的方法：
首先得到/dev/sda3这个分区的UUID,使用以下命令:
sudo blkid /dev/sda3
Ubuntu Linux 永久挂载(mount)分区
然后,我们按照/etc/fstab文件中的格式添加一行如下内容:
UUID=904C23B64C23964E /media/aborn/data ntfs defaults 0 2
其中第一列为UUID, 第二列为挂载目录（该目录必须为空目录），第三列为文件系统类型，第四列为参数，第五列0表示不
备份，最后一列必须为２或0(除非引导分区为1)
最后使用命令mount -a看是否成功：
Ubuntu Linux 永久挂载(mount)分区
root# mount -a 或 sudo mount -a
2. ubuntu 添加用户到sudoers中的步骤：
Linux默认是没有将用户添加到sudoers列表中的，需要root手动将账户添加到sudoers列表中，才能让普通账户执行sudo命令。
root 账户下输入vim /etc/sudoers，找到如下语句：
root ALL=(ALL) ALL
按yyp键复制并在粘贴在下一行，在这一行的 root替换为你所需要添加用户的账户名，比如huddy，结果就是
root ALL=(ALL) ALL
huddy ALL=(ALL) ALL
如果你希望之后执行sudo命令时不需要输入密码，那么可以形如
root ALL=(ALL) ALL
huddy ALL=(ALL) NOPASSWD:ALL
输入:wqa!保存即可。
3. 两台Linux系统之间进行文件传输的几种方法;
a. 将本地文件拷贝到远程端：
scp 文件名 用户名@计算机IP或者计算机名称：远程路径；
b. 将远程文件拷贝回本地：
scp 用户名@计算机IP或者计算机名称：文件名 本地路径
c. 将本地目录拷贝到远程端：
scp -r 目录名 用户名@计算机IP或者计算机名称：远程路径
d. 将远程目录拷回到本地
scp -r 用户名@计算机IP或者计算机名称：目录名 本地路径
4. ubuntu中extract .rar文件时出现“Parsing filters is unsupported.”的解决方法：
原因：系统中未安装RAR文件的压缩/解压管理工具，而Archive Manager依赖于这些工具来解压和压缩文件。
解决方法：sudo apt install unrar.
5. 挂载和卸载指令： mount和umount 文件夹名；
6. curl 不支持 https问题的解决，报错情况如下：
* Protocol https not supported or disabled in libcurl
* Unsupported protocol
原因：没有安装openssl，解决方法：a. 首先安装openssl: sudo apt-get install openssl, sudo apt-get install libssl-dev; b. 重新安装curl.
7. ubuntu改原始python2.7版本为3.5版本的方法：
a. sudo apt-get install python3.5; // 安装新版本3.5
b. sudo rm /usr/bin/python; // 清除已有连接；
c. sudo ln -s /usr/bin/python3.5 /usr/bin/python; // 重新建立软连接。
8. 显卡驱动，CUDA和CUDNN安装步骤：
a. 下载CUDA base文件和补丁文件，再下载CUDNN文件，再下载显卡驱动，不能比cuda后两个***版本低；
例如：下载的驱动时是：NVIDIA-Linux-x86_64-390.87.run；
下载的CUDA版本是：cuda_9.2.148_396.37_linux.run;补丁是：cuda_9.2.148.1_linux.run；
驱动的版本390.87必须必CUDA的版本396.37高，也不能太低。
b. 终端输入：lsmod | grep nouveau;
若有输出，则：cd /etc/modprobe.d
sudo touch blacklist-nouveau.conf;
sudo gedit blacklist-nouveau.conf;
在打开的文件中输入：blacklist nouveau
options nouveau modeset=0;
保存后退出，然后：sudo update-initramfs -u;
重启，再在终端检测一下： lsmod | grep nouveau;
如果没有输入，则继续。
下面安装驱动，首先卸载掉原有驱动：sudo apt-get remove --purge nvidia-*；
CTRL+ALT+F1进入字符界面，关闭图形界面：sudo service lightdm stop；
然后安装nvidia驱动：
sudo chmod a+x NVIDIA-Linux-x86_64-396.18.run //获取权限
sudo ./NVIDIA-Linux-x86_64-396.18.run –no-x-check –no-nouveau-check –no-opengl-files //安装驱动
期间出现：Would you like to run the nvidia-xconfigutility to automatically update your x configuration so that the NVIDIA x driver will be used when you restart x? Any pre-existing x confile will be backed up. 这个选择Yes 继续
期间出现：The distribution-provided pre-install script failed! Are you sure you want to continue? 不用管它，继续安装。
安装完后，输入：nvidia-smi，那么出现显卡的信息则说明安装成功。nvidia-smi如果不显示，也能用上面的方法重装解决。
下面安装CUDA9.2，进入文件路径：
sudo sh cuda_9.2.88_396.26_linux.run
Ctrl+C键跳过说明，后面问到是否需要安装驱动，选择否，其余选择是直到安装完成。
然后再配置环境变量：sudo gedit /etc/profile;
在打开的文件末尾加入以下路径（安装目录）：
export PATH=/usr/local/cuda-9.2/bin:$PATH
export LD_LIBRARY_PATH=/usr/local/cuda-9.2/lib64:$LD_LIBRARY_PATH
保存，然后重启电脑，进入终端
cd /usr/local/cuda-9.2/samples/1_Utilities/deviceQuery
sudo make
./deviceQuery
如果result = PASS，则安装成功，否则失败，可能原因是环境未配置好，或者是cuda与驱动版本不兼容。
如果需要卸载重装，运行下列命令卸载 cuda：
$ cd /usr/local/cuda/bin
$ sudo ./uninstall_cuda_9.2.pl
问题：CUDA driver version is insufficient for CUDA runtime version.
原因：CUDA版本高但是驱动版本低；
解决办法：将CUDA版本从9.2换位9.0，重新安装即可。
9. 正确的安装cuDNN的方式：
a. 从官网上下载cudnn相应版本的压缩包（需要注册）；
b. 将其解压，确定绝对路径为:/yourpath/cudnn/cuda;
c. 将解压的文件中的lib64文件夹关联到环境变量中：
cd ~
sudo gedit .bashrc
d. 在弹出的.bashrc文档中加入下面一行：
export LD_LIBRARY_PATH=/yourpath/cudnn/cuda/lib64:$LD_LIBRARY_PATH;
e. 保存文件后，source .bashrc;
f. 重启终端，将解压后的cuDNN文件夹中的include文件夹中的cudnn.h拷贝到/usr/local/cuda/include中：
cd cuda/include
sudo cp *.h /usr/local/cuda/include/
g. 重置cudnn.h文件的权限：
sudo chmod a+r /usr/local/cuda/include/cudnn.h
10. nvcc找不到的问题解决：
安装完cuda9.0后终端输入：nvcc -V或nvcc –version说找不到指令，原因是没有添加环境变量。
解决方法：
a. 查看/usr/local/cuda/bin下是否有nvcc可执行程序，如果没有说明cuda没有正常安装，有则下一步；
b. 添加环境变量：
cd ~
sudo gedit .bashrc
在最后一行加入：export PATH=$PATH:/usr/local/cuda/bin；
c. source ~/.bashrc;
d. 这样在终端输入nvcc –version或者nvcc -V就可以显示出nvidia版本。
11. 安装bazel时出现“Unable to locate package”的解决办法：
更新源： sudo apt-get update;
12. 安装tensorflow前需要安装的插件：
a. sudo apt-get install openjdk-8-jdk;
b. echo "deb [arch=amd64] http://storage.googleapis.com/bazel-apt stable jdk1.8" | sudo tee /etc/apt/sources.list.d/bazel.list
c. curl https://bazel.build/bazel-release.pub.gpg | sudo apt-key add –
d. 安装bazel：sudo apt-get update && sudo apt-get install bazel；
e. 更新bazel: sudo apt-get upgrade bazel.
13. 安装bazel时解决Ignoring file ******** in directory ‘/etc/apt/sources.list.d’问题的方法：
sudo rm /etc/apt/sources.list.d/*******。
14. 接第12步，12步执行后会生成一个叫做build_pip_package的脚本，按照如下命令运行这个脚本，在/tmp/tensorflow_pkg文件夹中创建pip的安装包：
bazel-bin/tensorflow/tools/pip_package/build_pip_package /tmp/tensorflow_pkg
执行命令pip安装。
15. 卸载软件的指令：sudo apt-get remove –purge bazel（软件名称）。
16. winscp服务器拒绝了SFTP连接，但它监听FTP连接问题的解决或（git中ssh：connection refused连接问题的解决）：
原因：Ubuntu上没有安装sshd；
解决方法：sudo apt-get install openssh-server，之后输入sudo ps -e | grep ssh就可以看到sshd在执行。
17. 正确安装bazel的方法：
18. 原生”pip”安装tensorflow:
19. 安装tensorflow出现：“ImportError: libcublas.so.9.0: cannot open shared object file: No such file or directory”问题的解决：
原因：tensorflow的版本和cuda,cudnn版本对应配套；
解决方法：降低tensorflow版本：pip install tensorflow-gpu==1.9.0
真实原因是下面的第三种：
原因1：cuda9.0以及cudnn7未能安装或正确安装。
解决方案：安装cuda及对应cudnn，已安装情况下检查路径usr/local/cuda-9.0/lib64下是否有 libcublas.so.9.0文件
原因2：tensorflow版本与cuda不对应。
解决方案：升级tensorflow
原因3：路径未加入环境
解决方案：sudo gedit ~/.bashrc 在文档尾部加上
export LD_LIBRARY_PATH=LD_LIBRARY_PATH:/usr/local/cuda-9.0/lib64/
如果之前添加过但写法与此不同，仍然报错，请按此格式添加，本人之前写的是
export LD_LIBRARY_PATH=/usr/local/cuda-9.0/lib64:$LD_LIBRARY_PATH，改成上边的写法就不报错了。
添加完路径之后别忘了 source ~/.bashrc
20. 升级tensorflow:
(tensorflow)$ pip install --upgrade tensorflow # for Python 2.7
(tensorflow)$ pip3 install --upgrade tensorflow # for Python 3.n
21. pycharm安装及快捷方式建立：
a. 安装：下载解压后在bin文件夹下运行：sh pycharm.sh;
b. 快捷方式：首先建立文件：
cd /usr/share/applications/
sudo vim Pycharm.desktop
其次写入内容：
[Desktop Entry]
Type = Application
Name = Pycharm
GenericName = Pycharm
Comment = Pycharm:The Python IDE
Exec = sh /home/lxq/Downloads/pycharm/bin/pycharm.sh
Icon = /home/lxq/Downloads/pycharm/bin/pycharm.png
Terminal = pycharm
Categories = Pycharm;
22. 查看cuda和cudnn版本的指令：
查看cuda版本：cat /usr/local/cuda/version.txt;
查看cudnn版本：cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2
23. pytorch安装的方法：
a. 对于python2.7: sudo pip install torch torchvision;
b. 对于python3.5: sudo pip3 install torch torchvisioni;
24. 安装lua和luarocks:
a. sudo apt-get update; sudo apt-get install luarocks;
b. http://luarocks.org/releases/ 页面选择需要的软件包;
c. 下载后解压进入文件夹：
然后终端输入：sudo ./configure --prefix=/usr/local/luarocks。
25. cmake的用途及使用方法:
cmake主要用途是：告诉编译器如何去编译链接代码，在windows平台下通过project文件管理makefile，如果不用cmake，那么windows和linux系统就要写对应的project文件和makefile文件，如果有cmake，就可以只需要编写一次cmake，用在多个平台，语法简单，就是所谓“write once, use everywhere”。
26. torch和pytorch是不同的，PyTorch是Torch7团队开发，从名字可以看出PyTorch与Torch不同的地方就在于PyTorch是用Python语言开发的。说明PyTorch是一个以Python优先的深度学习框架，不仅能够实现强大的GPU加速，同时还支持动态神经网络，是现在很多主流框架例如Tensorflow所不支持的。
PyTorch的特点：a. 支持GPU；b. 动态神经网络；c. Python优先;d. 命令式体验。具体地，使用Pytorch而不是tensorflow的原因有：
（1）掌握一个框架并不能一劳永逸，现在深度学习并没有谁拥有绝对的垄断地位，就算是Google 也没有，所以只学习Tensorflow 并不够。同时现在的研究者使用各个框架的都有，如果你要去看他们实现的代码，至少也需要了解他们使用的框架，所以多学一个框架，以备不时之需。
（2）Tensorflow 与Caffe 都是命令式的编程语言，而且是静态的，首先必须构建一个神经网络，然后一次又一次使用同样的结构，如果想要改变网络的结构，就必须从头开始。但是对于PyTorch，通过一种反向自动求导的技术，可以让你零延迟地任意改变神经网络的行为，尽管这项技术不是PyTorch 独有，但目前为止它实现是最快的，能够为你任何疯狂想法的实现获得最高的速度和最佳的灵活性，这也是PyTorch 对比Tensorflow 最大的优势。
（3）PyTorch 的设计思路是线性、直观且易于使用的，当你执行一行代码时，它会忠实地执行，并没有异步的世界观，所以当你的代码出现Bug 的时候，可以通过这些信息轻松快捷地找到出错的代码，不会让你在Debug 的时候因为错误的指向或者异步和不透明的引擎浪费太多的时间。
（4）PyTorch 的代码相对于Tensorflow 而言，更加简洁直观，同时对于Tensorflow高度工业化的很难看懂的底层代码，PyTorch 的源代码就要友好得多，更容易看懂。深入API，理解PyTorch 底层肯定是一件令人高兴的事。一个底层架构能够看懂的框架，你对其的理解会更深。
27. Torch7的安装方法：
a. 首先确定git已经安装；
b. 终端输入：git clone https://github.com/torch/distro.git ~/torch_self_path –recursive
c. 进入下载文件夹：输入：bash install-deps;
d. 安装好依赖文件后，终端输入：sudo ./install.sh 。
28. linux/ubuntu里面卸载软件的方法
a、在终端里 apt-get安装的软件：
安装软件sudo apt-get install softname1 softname2softname3……
卸载软件 sudo apt-get remove softname1 softname2 softname3……
卸载并清除配置sudo apt-get remove --purgesoftname1
更新软件信息数据库 sudo apt-get update
进行系统升级sudo apt-get upgrade, sudo apt-get distupgrade
搜索软件包 sudo apt-cache search softname1 softname2 softname3……
b、安装的deb包要用此方法：
安装deb软件包 dpkg -i xxx.deb
删除软件包 dpkg -r xxx.deb
连同配置文件一起删除 dpkg -r --purge xxx.deb
查看软件包信息 dpkg -info xxx.deb
查看文件拷贝详情 dpkg -L xxx.deb
查看系统中已安装软件包信息 dpkg -l
重新配置软件包 dpkg-reconfigure xxx
c、在“synaptic pakagemanager”里:
点搜索，输入软件名
在需要安装或卸载的软件上右击－点标记－最后点应用
d、现在还可以在 software center里面,直接卸载。
e、卸载源代码编译的的软件：
cd 源代码目录
make clean
./configure
（make）
make uninstall
rm -rf 目录
清理系统：
sudo apt-get autoclean
sudo apt-get clean
sudo apt-get autoremove
（或使用ubuntu-tweak清理）
29. linux下卸载文件的方式要根据情况而定：如果是用apt-get install装的，那就用apt-get remove删除。如果pacman -S 装的，就用pacman -R删除。如果自己编译make && make install装的，就得看makefile里面有没有写uninstall方法，有的话可以用make uninstall。没有的话看makefile里面install方法复制到了哪些文件夹，删之。
30. 查找软件： whereis lua;要删除某软件可先用该指令找到软件安装位置，然后再挨个删除。
31. lua安装步骤：
a. 去官网下载最新版本：https://www.lua.org/ftp/；
b. 解压后进入文件夹：依次输入：make linux test；make install;
32. luarocks安装步骤：
去官网下载软件：https://luarocks.github.io/luarocks/releases/或者：wget https://luarocks.org/releases/luarocks-3.0.2.tar.gz；
解压后执行下列命令：
$ ./configure;
$ sudo make bootstrap
$ sudo luarocks install luasocket
执行完后在终端输入luarocks就能看到luarocks已经安装完成。
33. ubuntu16.04卸载cuda9.0的步骤;
sudo /usr/local/cuda-9.0/bin/uninstall_cuda_9.0.pl
sudo /usr/bin/nvidia-uninstall
然后重启： sudo reboot
34. 卸载掉cuda后，torch7才安装成功。
35. 遇到“cuda 9.0 "error: more than one operator "==" matches these operands"”问题的解决：
输入指令：export TORCH_NVCC_FLAGS="-D__CUDA_NO_HALF_OPERATORS__";
然后再输入：source ~/.bashrc;
最后输入：th 便能看到torch安装成功。
36. luarocks介绍：luarocks是一个Lua包管理器，基于Lua语言开发，提供一个命令行的方式来管理Lua包依赖、安装第三方Lua包等，社区比较流行的包管理器之一，另还有一个LuaDist，Luarocks的包数量比LuaDist多。
37. 采用luarocks进行install时出现“torch>=7.0”:No results matching query were found.问题的解决：
原因：安装luarocks时采用的方式：sudo apt-get install luarocks，但是这种方式安装后的rock包是在/usr/local/lib/luarocks/rocks中，与torch中的luarocks不是同一个。
首先安装完torch后，luarocks是自动安装好的，在安装完torch后，可以键入命令：
luarocks ； luarocks list;
解决方法：采用torch中的luarocks进行安装，torch中的luarocks在torch7/install/bin/luarocks文件中，具体的指令应改为：
sudo /home/vipadm3/sorfwares/torch7/install/bin/luarocks install deep-encoding-scm-1.rockspec.
38. cutorch包是torch的CUDA版本，torch提供FloatTensor张量，而cutorch能提供所有运算在GPU上操作的Cuda Tensor张量，cutorch中的函数可以设置和获得设备的属性等信息。
39. 采用luarocks安装cutorch的指令：
sudo /home/vipadm3/sortwares/torch7/install/bin/luarocks install cutorch.
40. 安装cunn和cudnn的指令：
sudo /home/vipadm3/sortwares/torch7/install/bin/luarocks install cunn/cudnn.
41. 采用指定libcudnn的方法：
export CUDNN_PATH=”/home/vipadm3/softwares/cuda/cudnn/lib64/libcudnn.so.7”
42. ubuntu终端中如果需要一次性执行多个指令，中间用“&&” 连接即可，例如：
git clone https://github.com/soumith/cudnn.torch.git -b R7 && cd cudnn.torch && luarocks make cudnn-scm-1.rockspec.
这里需要注意luarocks make和luarocks install的区别，两者的后缀是不一样的。
43. 问题“These bindings are for CUDNN 5.x (5005 <= cudnn.version > 6000) , while the loaded CuDNN is version: 7003. Are you using an older or newer version of CuDNN?”的解决方法：
git clone https://github.com/soumith/cudnn.torch.git -b R7
cd cudnn.torch
luarocks make cudnn-scm-1.rockspec
44. 采用git clone的方式下载时，默认是下载到当前目录底下。
45. ubuntu添加库路径的正确方法：
export LD_LIBRARY_PATH=LD_LIBRARY_PATH:/usr/local/cuda-
9.0/lib64:$ LD_LIBRARY_PATH