Ubuntu 22.04 + Nvidia driver 550 + Cuda 12.4 + cuDNN 9.5.1安装方案和踩坑指南（新做的系统卡在logo页面）
我遇到最大的问题是，做好Ubuntu的启动盘后，插入电脑，选择该U盘作为启动项后，会直接卡在ubuntu logo页面。后面检查bios的设置，发现启动项UEFI的兼容模型也是打开的。真的非常奇怪，以前从没遇到过这么离谱的事情，反反复复启动了好多次，真的要崩溃！
问题分析：
后来我发现再进入ubuntu的过程中，ubuntu 的 logo突然会改变一下分辨率，从一个比较低的分辨率变成一个比较高的分辨率。我记得新装的ubuntu都是默认的显卡驱动，是一个分辨率比较低，很糊的一个界面，装完显卡驱动重启后才会变成一个比较高的分辨率。到这里我大概知道什么情况了：启动盘里面的ubuntu可能直接选择了显卡的驱动，而不是默认的驱动，我们还没装显卡驱动所以会卡在logo页面（我也不懂是动了哪里的设置。。）
具体解决步骤：
使用启动盘安装ubuntu时，卡在logo页面
首先在选择启动盘的选项的时候，选择第一项或者第二项，但是不要按enter，要按e键！！！
按e键后，会进入grub界面：
找到“quiet splash”，把他后边的 ”---“ 换成 ”nomodeset“，接着按F10保存并启动。然后就能正常启动了！
参考：安装ubuntu系统时卡在开机logo的解决方案_ubuntu20.04卡在logo界面-CSDN博客
安装完ubuntu 之后 拔掉启动盘，进入新做的系统还是会遇到同样的问题。
在开机的过程中疯狂按shift键，进入系统的recovery模式：
移动到第二项，然后还是按 ”e“ 键进入grub页面，同样也是找到“quiet splash”，把他后边的 ”---“ 换成 ”nomodeset“，接着按F10保存并启动。
做完以上步骤之后就可以正常进入ubuntu图形界面了，进去之后抓紧安装显卡驱动，不然重启系统还要继续再来一遍上面的操作。
ubuntu 深度学习框架安装：
大致流程：
1、进入系统后，点击菜单栏，选择 Software updater，让其自动更新。
2、（重要）安装gcc g++ make.
注意1：一定要在安装显卡驱动前安装这些包，不然安装显卡驱动直接报错，重启后还是卡logo界面，又要重复上面的步骤。
注意2：千万不要换apt的下载源，本人尝试换源之后，下一步下载显卡驱动没有网速，下载非常慢
sudo apt update
sudo apt install gcc make g++3、安装显卡驱动
推荐直接在Software & Updates 里面安装推荐的driver。简单快捷
4、显卡驱动安装完，就可以放心重启了。
重启后执行 watch -n 1 nvidia-smi，出现下面的界面，说明显卡驱动已经打上了。
记住自己的CUDA Version，我这里是12.4
5、重要：设置Software & Updates 不让它自动更新：
6、如果有clash，建议安装clash，方便后面下载cuda和cudnn
贴一个好用的linux clash 的github仓库：wnlen/clash-for-linux: clash-for-linux
按照教程，输入自己的订阅地址，如果没有订阅，网上找教程买一个！
如果按照教程操作完，发现还是无法通过clash访问，可以试试我的方法：更改网络设置
这样设置后，如果不想使用clash，直接切换到Automatic，需要使用再切到Manual
7、安装Cuda
进入Nividia Cuda 的下载地址：CUDA Toolkit Archive | NVIDIA Developer 找和自己Cuda Version一致的Cuda，我这里选择12.4.0
按照官网提示下载并安装：
如果因为网络关系无法下载，建议装个clash，或者在其他地方下载好，再拷到这台机器上
8、Cuda 环境变量设置：
cuda安装好后，一般都在/usr/local下会有三个文件夹：
然后使用gedit打开~/.bashrc：
sudo gedit ~/.bashrc在最后一行添加：
$ export PATH=/usr/local/cuda/bin${PATH:+:${PATH}}
$ export LD_LIBRARY_PATH=/usr/local/cuda/lib64{LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}更新环境变量
source ~/.bashrc9、cudnn安装
现在cudnn安装非常简单，按照官网的提示直接运行命令就行了，不用和以前一样手动解压、给权限，再复制到指定的文件夹下了
进入cudnn官网：CUDA Deep Neural Network (cuDNN) | NVIDIA Developer
选择完之后，直接按照提示安装。
如果因为网络关系无法下载，和下载cuda时一样的处理方法。
10、anaconda 安装
进入Anaconda官网：Anaconda | The Operating System for AI
.sh 文件下载到本地之后，需要手动安装一下（文件名改为自己的）：
bash ~/Downloads/Anaconda3-2021.11-Linux-x86_64.sh然后就是漫长的enter
第一次输入yes是为了同意上面的条款。第二个条款是为了让你选择安装的位置，建议手动更改安装位置，到 /home/anaconda3 这个位置：
安装完成之后可能会出现问题： conda: command not found
这时候就用到上面安装位置的信息了。修改环境变量：
sudo gedit ~/.bashrc
在这个文件的最后一行添加：
export PATH=$PATH:/home/anaconda3/bin然后更新环境变量，并执行conda初始化操作：
source ~/.bashrc
conda init之后就可以在终端的前缀见到熟悉的(base)：
这时我们执行 sudo gedit ~/.bashrc，发现里面自动生成了conda 的环境变量：
保留自动生成的环境变量，删除我们自己添加的环境变量
最后再次刷新环境变量
source ~/.bashrc11、使用pytorch 验证cuda是否可用：
创建虚拟环境，并下载pytorch
conda create -n testenv python=3.10
conda activate testenv
pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118
python test.py创建test_cuda.py文件：
import torch
print(torch.cuda.is_available())输出 “True”，恭喜你已经完全安装了深度学习的环境！
