使用 MMDetection 实现 Pascal VOC 数据集的目标检测项目练习（二） ubuntu的下载安装

首先，Linux系统是人工智能和深度学习首选系统。原因如下:

1. 开放性和自由度：Linux 是一个开源操作系统，允许开发者自由修改和分发代码。这在开发和研究阶段非常有用，因为开发者可以轻松地访问和修改底层代码。
2. 社区支持：Linux 拥有一个庞大的开发者社区，许多人工智能和深度学习库的开发者和用户都活跃在这个社区中。这使得 Linux 成为一个理想的环境，用于测试、开发和部署这些库。
3. 高性能计算：许多深度学习任务需要大量的计算资源，尤其是在使用 GPU 进行加速时。Linux 在处理高性能计算任务方面具有优势，因此许多深度学习框架（如 TensorFlow 和 PyTorch）都在 Linux 上进行了优化。
4. 命令行界面：Linux 的命令行界面提供了强大的脚本编写和自动化能力，这对于管理复杂的深度学习实验和部署模型非常有帮助。

        而最流行的Linux的系统是ubuntu，所以第一步就是下载安装ubuntu。
        我已经有了windows10，并且不想安装虚拟机，原因是虚拟机的运行效率非常低。所以需要安装windows和Ubuntu的双系统。

一、根据CUDA选择ubuntu版本

后面的显卡准备用cuda tookit12.1，打开链接：https://developer.nvidia.com/cuda-12-1-0-download-archive

cuda tookit12.1对应的ubuntu的版本是22.04   

 打开阿里云的下载地址，选择和下载ubuntu的安装文件：

ubuntu-releases安装包下载_开源镜像站-阿里云

二、制作Ubuntu 安装介质（USB 启动盘）

打开Rufus网站，下载Rufus

Rufus工具下载

        下载后不用安装，直接双击运行，选择ubuntu镜像和U盘，点“开始”，就可以将U盘格式化并制作成为启动盘。

三、安装 Ubuntu

在BIOS中关闭安全启动，从做好的USB启动盘一启动，进入安装程序。

         这里，我选的中文，安装完成之后看别的博主说中文有可能会在后面出问题，编码错误什么的，先用着吧，出了问题再重装吧！

一路next到这里：

这里，我是用了一块新的硬盘装Ubautu，所以选了第二项： 

选择硬盘的时候，一定不要选错，否则可能会错误地把有用的数据盘格式化。比如我这里，共有三块硬盘，其中两块是相同容量的。

 输入一些简单设置，安装完成。

四、设置启动顺序 

        在BIOS中，将安装有Ubuntu的硬盘设为第一启动顺序，因为通常在安装 Ubuntu 的过程中，安装程序会自动检测到已存在的Windows系统，并在引导菜单中创建相应的启动条目。如果将Windows硬盘设为第一启动顺序，就发现不了Ubuntu。

        设置完成后，重启，在启动时自动看到一个 GRUB 菜单，允许你选择启动 Ubuntu 或 Windows 10：

成功安装并进入Ubautu 系统：

进入系统后将软件和硬件都升级。