先说一下电脑硬盘（详细硬件）。是有个一256G的固态和1T的机械硬盘，再装双系统之前，去了解了一下。了解到会出现这样的情况，有两个硬盘以上的电脑需要把双系统装在一个硬盘上，否则容易出错。即使没有出错，在启动电脑时也只能启动一个系统，另外一个系统的启动每次都需要更改BIOS的启动项。开始看到这个，恩...en...想想，好有道理呀，这样太麻烦了。后来尝试一下按del键（或者F12）更改BIOS的启动项，发现现在的主板很智能呀，知道我想啥，直接出现让我选择启用那个盘的画面。这样一操作，发现也不麻烦，所以就直接开干，毕竟现在的启动项更改没有以前麻烦了。不过后来装好了双系统，win10装在固态上，Ubuntu16.04装在机械硬盘上，最后也没有出现只能通过更改BIOS启动项来开启另外一个系统的情况。而是很普通的Ubuntu引导界面选择，默认是选Ubuntu，第三个选项是Windows10。现在硬件上的软件变得更加友好了（开始是想多呀）。
1.双系统安装
装windows10很简单了，网上一大堆的资料。这里就不再赘述了。主要是Ubuntu那一块。
装Ubuntu也相对简单，可以看这里。按照上面来，下面介绍不同之处。在选择语言上，如果是用于tensorflow、pytorch啥的，建议用英语吧。至少在装NVIDIA显卡驱动上就需要按Ctrl+alt+F1组合键，进入这个，有中文的将全是乱码，本来英语是看得累，看着乱码会是心慌！！！还有下面这个界面，建议选择最后一项（早期装双系统时，选择第一个没有一次装成功的，还把原来的windows10给弄蹦了）。选择了最后一项，后面就会涉及到分盘，以及分盘的大小。下面说一下我的设置，以及这样设的原因。
swap：逻辑分区，充当虚拟内存，和自己电脑的内存大小一致，大小16G，分区格式为swap；
/boot ：逻辑分区，大小为480M（有的设200M，400M等），分区格式为ext4；
挂载点/：主分区，安装系统和软件，大小为60G，分区格式为ext4； 相当于windows的C盘。
挂载点/home：逻辑分区，剩余盘大小，分区格式ext4；
建议：用于学习，在Ubuntu大小上至少40个G吧（我的总共有188G，所以在大小设置上都偏大）。先确定那些大小已经被定死的挂载点，比如swap和/boot，后面在确定其他。后面就简单了，不过有一个安装启动引导器的设备需要选择，我选择的是/boot的那个挂载点。网上了解到如果要用Ubuntu的引导器代替Windows的引导器，就选 /dev/sda。如果要保留Windows的引导器，就选 /boot分区，但这样一来，装完Ubuntu重启后，只能启动Windows，还必须在Windows上面安装Easybcd等等之类软件来添加Ubuntu启动项（我并没有这样操作过，直接进入Ubuntu引导器，也不知道啥原因）。这样就装好了双系统了。
2.Ubuntu显卡驱动等的安装
装显卡驱动之前，有必要了解Ubuntu16.04系统的内核版本（装CenOs也是），因为显卡驱动怎么都可以装好，但是装cuda时，情况就不容乐观了。装cuda对内核版本是有要求的。以Ubuntu16.04版本为例，它要求的内核版本是4.4.X，过低过高都会提高装不好的概率，甚至不改成4.4版本就装不好，而现在的Ubuntu16.04内核版本一般是4.15版本。那如果先装好了显卡驱动再改动内核版本不行吗？行呀，怎不行呢，只不过需要从新再装一遍显卡驱动（别问我为什么会知道）。可以参考这里命令查找内核版本和更改。
查看当前系统使用的内核版本：
uname -r系统已经安装好的所有内核版本：
sudo dpkg --get-selections |grep linux-image查看系统支持的内核：
apt-cache search linux|grep linux-image我新安装的内核版本命令（增加了一个extra的选项，建议大家添加上）：
sudo apt-get install linux-image-4.4.0-98-generic linux-headers-4.4.0-98-generic linux-image-extra-4.4.0-98-generic后面的设置也跟这里一样就行。
再后面的设置照下面的链接操作就行了。这篇主要是记录有用的资料，方便下次安装。
Ubuntu16.04下安装cuda和cudnn的三种方法（亲测全部有效）
Ubuntu下安装CUDA10.0遇到的问题（一定要注意自己版本）
Ubuntu 16.04 卸载Nvidia显卡驱动和cuda
ubuntu16.04下安装&配置anaconda+tensorflow新手教程
总结：其实装好显卡驱动后，可以不用手动安装cuda和cudnn，安装了anaconda的同时用conda创建虚拟环境后，然后使用conda install tensorflow-gpu==1.14就会自动安装对应的cuda和cudnn了，简单方便成功率极高，你值得拥有。
