小白安装deepin操作系统和显卡、CUDA

原因

在windows下，我不知道我的内存里在运行什么，刚开机它的内存已经满了50%了。所以自7月3号考完试以后，就一直折腾deepin，先是V20 Beta感觉太不稳定，后来换到V15.11，为了装显卡驱动和cuda大概又重装了7、8次，心态爆炸，每次莫名其妙就进不去系统都很沮丧，最后慢慢摸索才有了一些经验，有了稳定的系统之后，发现国产的deepin还是很香的，除了wps用不惯之外都还不错。下面尽可能简单地说一下我认为最简单、稳妥的方法。
祝各位可以尝到它的香。

安装

• 从官方ISO仓库下载一个稳定版。
• 按照https://www.deepin.org/zh/installation/所述进行安装，官方教程很详细对我这样的小白很友好，整个过程应该不会超过15min。附上制作启动盘工具的链接https://www.deepin.org/zh/original/deepin-boot-maker/。

可能遇到的问题

安装或开机时卡在LOGO处，很不爽的情况...（V20Beta，有开机声音一般就没这个问题）

参考这个：deepin入坑篇（0）解决开机卡在logo和关机卡死
按E进入GRUB编辑页面,在倒数第二行 找到splash quiet 空一格加下面代码。

acpi=off

要永远修复它：
进入系统后，找到"/boot/grub/grub.cfg"，也在同样的地方添加上面的代码。

进入系统

1. 首先更换显卡驱动（据说是个老大难的问题）

我被这个搞惨了。。。
15.11默认使用nouveau驱动（输入命令lsmod | grep nouveau，返回非空结果），不知什么原因在我电脑上开机关机时这个驱动总会报一大堆错，输出错误信息，有时候貌似停不下来无法关机，所以第一步还是要禁用掉这个。网上很多教程都有提到：

# 创建文件
sudo vim /etc/modprobe.d/blacklist.conf
# 加入
blacklist nouveau  
options nouveau modeset=0

这时最好装一些必要的软件，首先换源

sudo vim /etc/apt/sources.list
# 加入下面阿里云的源
deb [by-hash=force] http://mirrors.aliyun.com/deepin lion main contrib non-free
# 更新
sudo apt update
sudo apt upgrade
# 安装软件，kdb和plymouth-themes在更新initramfs时会用到
sudo apt install kdb plymouth-themes git curl intel-microcode zsh gdb -y
# 更新配置，此配置在Linux在启动init进程之前,用来准备系统
sudo update-initramfs -u
# 重启系统
sudo shutdown -r now

装大黄蜂之前卸载掉原来的NVIDIA驱动。重启之后选择“显卡驱动管理器”应用，可以看到已经由开源驱动切换到Intel默认驱动，选择切换到大黄蜂方案驱动，会有两次重启，中间有一次茶壶的图形测试，然后一般就ok了。
PS：我曾经模仿试过https://bbs.deepin.org/forum.php?mod=viewthread&tid=185547&extra=装更新版本的驱动，但是安装界面与其中不完全相同，没有libglvnd那一步选项，最后提示安装失败，而且当时还不知道怎么卸载，后来从https://blog.csdn.net/wf19930209/article/details/81879514知道用sudo /usr/bin/nvidia-uninstall卸载。

2. 如果有跑深度学习等需求，下面装CUDA

2.1 手动安装

主要参考：

• https://blog.csdn.net/wf19930209/article/details/81879514
• https://blog.csdn.net/QLULIBIN/article/details/78714596
  我只能说曾经成功过，但昨天不知为何说NVIDIA驱动版本不够支持CUDA版本，经不起折腾，无奈放弃高版本的CUDA，改用省心的方法。

2.2 省心安装也能用

主要参考：

• https://blog.csdn.net/weixin_43469047/article/details/105415891
• https://blog.csdn.net/lovebyz/article/details/80301654
  直接sudo apt install nvidia-cuda-dev nvidia-cuda-toolkit nvidia-nsight nvidia-visual-profiler就完事儿了，目前只能安到8.0的CUDA，试了一下跑1.0几的gpu版pytorch，能够用到显卡。最近整理项目会测试一下，到底能不能用，性能如何。