先說一下電腦硬盤（詳細硬件）。是有個一256G的固態和1T的機械硬盤，再裝雙系統之前，去了解了一下。瞭解到會出現這樣的情況，有兩個硬盤以上的電腦需要把雙系統裝在一個硬盤上，否則容易出錯。即使沒有出錯，在啓動電腦時也只能啓動一個系統，另外一個系統的啓動每次都需要更改BIOS的啓動項。開始看到這個，恩...en...想想，好有道理呀，這樣太麻煩了。後來嘗試一下按del鍵（或者F12）更改BIOS的啓動項，發現現在的主板很智能呀，知道我想啥，直接出現讓我選擇啓用那個盤的畫面。這樣一操作，發現也不麻煩，所以就直接開幹，畢竟現在的啓動項更改沒有以前麻煩了。不過後來裝好了雙系統，win10裝在固態上，Ubuntu16.04裝在機械硬盤上，最後也沒有出現只能通過更改BIOS啓動項來開啓另外一個系統的情況。而是很普通的Ubuntu引導界面選擇，默認是選Ubuntu，第三個選項是Windows10。現在硬件上的軟件變得更加友好了（開始是想多呀）。
1.雙系統安裝
裝windows10很簡單了，網上一大堆的資料。這裏就不再贅述了。主要是Ubuntu那一塊。
裝Ubuntu也相對簡單，可以看這裏。按照上面來，下面介紹不同之處。在選擇語言上，如果是用於tensorflow、pytorch啥的，建議用英語吧。至少在裝NVIDIA顯卡驅動上就需要按Ctrl+alt+F1組合鍵，進入這個，有中文的將全是亂碼，本來英語是看得累，看着亂碼會是心慌！！！還有下面這個界面，建議選擇最後一項（早期裝雙系統時，選擇第一個沒有一次裝成功的，還把原來的windows10給弄蹦了）。選擇了最後一項，後面就會涉及到分盤，以及分盤的大小。下面說一下我的設置，以及這樣設的原因。
swap：邏輯分區，充當虛擬內存，和自己電腦的內存大小一致，大小16G，分區格式爲swap；
/boot ：邏輯分區，大小爲480M（有的設200M，400M等），分區格式爲ext4；
掛載點/：主分區，安裝系統和軟件，大小爲60G，分區格式爲ext4； 相當於windows的C盤。
掛載點/home：邏輯分區，剩餘盤大小，分區格式ext4；
建議：用於學習，在Ubuntu大小上至少40個G吧（我的總共有188G，所以在大小設置上都偏大）。先確定那些大小已經被定死的掛載點，比如swap和/boot，後面在確定其他。後面就簡單了，不過有一個安裝啓動引導器的設備需要選擇，我選擇的是/boot的那個掛載點。網上瞭解到如果要用Ubuntu的引導器代替Windows的引導器，就選 /dev/sda。如果要保留Windows的引導器，就選 /boot分區，但這樣一來，裝完Ubuntu重啓後，只能啓動Windows，還必須在Windows上面安裝Easybcd等等之類軟件來添加Ubuntu啓動項（我並沒有這樣操作過，直接進入Ubuntu引導器，也不知道啥原因）。這樣就裝好了雙系統了。
2.Ubuntu顯卡驅動等的安裝
裝顯卡驅動之前，有必要了解Ubuntu16.04系統的內核版本（裝CenOs也是），因爲顯卡驅動怎麼都可以裝好，但是裝cuda時，情況就不容樂觀了。裝cuda對內核版本是有要求的。以Ubuntu16.04版本爲例，它要求的內核版本是4.4.X，過低過高都會提高裝不好的概率，甚至不改成4.4版本就裝不好，而現在的Ubuntu16.04內核版本一般是4.15版本。那如果先裝好了顯卡驅動再改動內核版本不行嗎？行呀，怎不行呢，只不過需要從新再裝一遍顯卡驅動（別問我爲什麼會知道）。可以參考這裏命令查找內核版本和更改。
查看當前系統使用的內核版本：
uname -r
系統已經安裝好的所有內核版本：
sudo dpkg --get-selections |grep linux-image
查看系統支持的內核：
apt-cache search linux|grep linux-image
我新安裝的內核版本命令（增加了一個extra的選項，建議大家添加上）：
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
後面的設置也跟這裏一樣就行。
再後面的設置照下面的鏈接操作就行了。這篇主要是記錄有用的資料，下載再裝時就不需要再資料了。
Ubuntu16.04下安裝cuda和cudnn的三種方法（親測全部有效）
Ubuntu下安裝CUDA10.0遇到的問題（一定要注意自己版本）
Ubuntu 16.04 卸載Nvidia顯卡驅動和cuda
ubuntu16.04下安裝&配置anaconda+tensorflow新手教程
總結：其實裝好顯卡驅動後，可以不用手動安裝cuda和cudnn，安裝了anaconda的同時用conda創建虛擬環境後，然後使用conda install tensorflow-gpu==1.14就會自動安裝對應的cuda和cudnn了，簡單方便成功率極高，你值得擁有。