ubuntu18.04中配置super_point(超点图)
1. 超点图配置要求
超点图代码网址：super_point代码获取
在这个图片中我们可以看到，super_point的配置需要安装pyTorch、若干依赖库、boost1.63.0或以上版本、conda（个人觉着conda安装不安装无所谓，不安装的话只需要在cmake编译的时候将相应的环境变量的路径更改即可，不过为了防止出现问题，我还是安装上了）
注意：
1.pip安装是在python2.7下的安装，而super_point应该是在python3.6下的安装，所以我认为应该是用pip3来进行安装
2.cupy实在cuda基础上进行安装的依赖库，所以安装cupy之前需要先进行cuda的安装，具体的安装在下面有描述
3.一定要安装双系统！一定要安装双系统！一定要安装双系统！重要的事情说三遍。虚拟机中的显卡是虚拟显卡，无法安装nvidia英伟达驱动和cuda。所以一定要安装双系统。
2.换源
1）永久换源
由于虚拟机用的是国外的源，所以在使用pip或install指令时会出现速度较慢的情况，为了解决这个问题，我们需要对虚拟机进行换源
首先，找到/etc/apt/sources.list文件，双击打开
在其中选择China，清华源，之后关闭，在点击close后会出现提示
选择reload，等待完之后就将源换为清华源了
2）一次性换源
尽管我已经进行了永久性的换源，在apt-get install时速度有了明显提高。但是在执行pip指令的时候仍旧没有提高速度，因此可以用一次性换源来解决
具体指令（以清华源为例）
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple package //package即为将要安装的依赖库
各种源地址：
豆瓣源：https://pypi.douban.com/simple
阿里源：http://mirrors.aliyun.com/pypi/simple
中国科技大学：https://pypi.mirrors.ustc.edu.cn/simple
3.安装anaconda3
在anaconda历史版本(Anaconda3-5.2.0-Linux-x86_64.sh)中选择 for python3.6 版下载
历史版本：https://repo.continuum.io/archive/
在Anaconda3-5.2.0-Linux-x86_64.sh所在文件夹内运行指令
bash Anaconda3-5.2.0-Linux-x86_64.sh
重启电脑或者运行如下命令使Anaconda3生效
cd
source .bashrc
之后运行命令
conda
如果有相应的输出，则表明安装成功。
4.cuda配置
请先安装完Anaconda3后再安装CUDA
我选择的配置是ubuntu18.04+nvidia384+cuda9.0
1）安装nvidia驱动
这里有两种安装方法，分别是命令安装和界面安装，建议采用界面安装
命令安装
sudo apt-get purge nvidia* //删除之前安装的驱动
sudo add-apt-repository ppa:graphics-drivers/ppa //添加第三方驱动源
sudo apt-get install nvidia-384 //安装nvidia384
界面安装
打开 软件和更新->附加驱动->选择一款英伟达驱动安装
安装完之后将系统重新启动以便于nvidia生效，或者运行如下命令
cd
source .bashrc
验证安装成功
nvidia-smi
出现如下显示则表明安装成功
我的显卡是Geforce940M。
2）安装cuda9.0
1. 安装依赖关系
sudo apt-get install freeglut3-dev build-essential libx11-dev libxmu-dev libxi-dev libgl1-mesa-glx libglu1-mesa libglu1-mesa-dev
2. 降低gcc版本
由于cuda9.0要求gcc版本不能太高，否则会出现错误，因此我们要降低gcc版本。
查看gcc版本
gcc --version
链接gcc/g++实现降级
sudo apt-get install gcc-4.8
sudo apt-get install g++-4.8
cd /usr/bin
ls -l gcc*
sudo mv gcc gcc.bak
sudo ln -s gcc-4.8 gcc
ls -l g++*
sudo mv g++ g++.bak
sudo ln -s g++-4.8 g++
查看gcc版本
gcc --version
g++ --version
3. 安装cuda
cuda历史版本：https://developer.nvidia.com/cuda-toolkit-archive
从其中选择cuda9.0
根据你的需要选择相应信息，但是一定记得选择runfile，高版本的ubuntu系统可以安装低版本的cuda。比如我的系统是ubuntu18.04，但是可以安装ubuntu16.04的cuda
点击Download下载cuda9.0文件
转移到cuda所在的文件夹下，执行命令
sudo sh cuda_9.0.176_384.81_linux.run
之后下载并安装cuda9.0的补丁文件
安装完之后记得将CUDA的路径加入到PATH之中
cuda9.0路径的添加方式如下
首先打开终端，输入
cd ~
gedit .bashrc
这时会弹出一个文档，在文档的最后加入下面内容
export PATH="/usr/local/cuda-9.0/bin:$PATH"
export LD_LIBRARY_PATH="/usr/local/cuda-9.0/lib64:$LD_LIBRARY_PATH"
注意：不同版本CUDA的路径也不同，具体的路径请参考安装完CUDA后终端界面给出的提示。
之后点击“保存”，关闭文档，在终端输入
source .bashrc
CUDA安装完成
验证安装成功则可以输入指令nvcc
6 安装pytorch
pytorch历史版本
https://download.pytorch.org/whl/cu90/torch_stable.html
但是从国外下比较慢，因此我们从清华的镜像源中下载
https://pypi.tuna.tsinghua.edu.cn/simple/torch
CUDA9.0对应的的pytorch是1.1.0版本，其中cpXX的意思是python版本，所以我们选择torch-1.1.0-cp36m-manylinuxl_x86_64.whl下载
6 安装相应库文件
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple future python-igraph tqdm transforms3d pynvrtc fastrlock cupy h5py sklearn plyfile scipy
conda install -c anaconda boost; conda install -c omnia eigen3; conda install eigen; conda install -c r libiconv
超点图的环境配置完成