Ubuntu Setup Tips - 夜羽的小作坊

1937 字

10 分钟

Ubuntu Setup Tips

2025-05-14

环境搭建

Linux

/

Docker

/

CUDA

/

深度学习

这篇记录在一台带 GPU 的物理机上从头装 Ubuntu Server 20.04 + 配齐后端开发和深度学习环境的完整流程。起因是某次重装实验室服务器，本来以为一下午能搞完，结果忘了 BIOS 按键、显卡接显示器没信号、网口物理坏掉这一连串问题，拖了整整两天。下面这些都是过程里踩到坑之后留下的笔记。

涉及：U 盘启动盘制作、系统安装、网络配置、Docker / Docker Compose、NVIDIA 驱动 + CUDA、Miniconda 环境管理。

这套流程主要针对 Ubuntu Server 20.04，但 18.04 到 24.04 多数操作通用，Desktop 版以及虚拟机部署也基本能套用。虚拟机用户可以跳过制作 U 盘那步，直接用 Hypervisor 自带的安装工具。

1. 制作 U 盘启动盘#

准备一个 4GB 以上的 U 盘，建议 16GB。

注意：制作过程会清空 U 盘，重要文件先备份。

下载 Ubuntu 20.04 Server ISO，二选一：

Ubuntu 官方：最稳，速度也快（部分地区需要代理）。
清华源：国内备选。

写盘工具按系统选：

Windows：Rufus，详细步骤参考这篇，注意配置时选对 Ubuntu 版本。
macOS：balenaEtcher，界面引导基本不会出错。

写完拔下来就可以了。

2. 从 U 盘安装 Ubuntu#

插 U 盘，最好插主板原生接口而不是机箱前面板。
开机猛按 F12（或 F2 / ESC，看主板），进入 BIOS。这玩意儿没有统一按键，看开机画面提示，实在不行三个都试一遍。
在 BIOS 里把 U 盘设为优先启动项，或者直接选 U 盘启动。
保存退出，进入 Ubuntu 安装界面。

2.1 安装时的注意点#

可视化步骤参考这个视频。磁盘分区按自己硬件来。

两件事重点强调：

内网部署：如果要用静态 IP，提前问运维要好 IP、子网掩码、网关。
APT 源：安装过程中不要改 APT 源，也不要做系统更新。保持默认源、跳过更新。网络不稳的情况下改源或更新容易把安装搞挂，搞挂就得重装。

3. 配置系统网络#

物理服务器的网络是后面所有远程操作的前提；虚拟机网络一般靠 Hypervisor 管理工具更省事，但概念也建议过一遍，后面装包配镜像都用得上。

教训：在排查软件层的网络问题之前，先确认物理层——网线是不是好的、网口是不是亮的。一个坏网口能伪装成无数种”系统配置不对”的症状，能让人花大半天时间在错误的方向上排查。

3.1 配置网关#

用 netplan，Ubuntu Server 默认就带。配置文件一般在：

1
sudo vim /etc/netplan/00-installer-config.yaml

这里改的是持久化配置，重启后仍然生效。临时加路由用：

1
sudo route add -net <target_network> netmask <subnet_mask> gw <gateway_IP>

配置语法可能因为 netplan 版本略有差异。下面是一个常见写法：

1
network:
2
  version: 2
3
  renderer: networkd
4
  ethernets:
5
    eth0:
6
      dhcp4: no
7
      addresses: [192.168.1.100/24]
8
      routes:
9
        - to: default
10
          via: 192.168.1.1
11
        - to: 10.0.0.0/8
12
          via: 192.168.1.2
13
      nameservers:
14
        addresses: [8.8.8.8, 8.8.4.4]

应用配置：

1
sudo netplan try     # 试探性应用，不确认就自动回滚
2
# 或者直接应用
3
sudo netplan apply

验证路由：

1
ip route show

远程 SSH 配网络一定要用 sudo netplan try，不要直接 apply。try 会等你确认，没确认就回滚，避免一条错配把自己锁在门外。

4. 装基本工具#

网络通了之后，从本地机器 SSH 上服务器：

1
ssh <username>@<hostname_or_IP>

4.1 APT 源#

国内用户建议换国内镜像：

1
sudo vim /etc/apt/sources.list

用阿里源举例：

1
deb http://mirrors.aliyun.com/ubuntu/ focal main restricted universe multiverse
2
deb http://mirrors.aliyun.com/ubuntu/ focal-security main restricted universe multiverse
3
deb http://mirrors.aliyun.com/ubuntu/ focal-updates main restricted universe multiverse
4
deb http://mirrors.aliyun.com/ubuntu/ focal-backports main restricted universe multiverse
5
deb http://mirrors.aliyun.com/ubuntu/ focal-proposed main restricted universe multiverse
6
deb [arch=amd64] http://mirrors.aliyun.com/docker-ce/linux/ubuntu focal stable

保存之后更新：

1
sudo apt update && sudo apt upgrade

会跑一段时间。完事之后装基础工具：

1
sudo apt install build-essential
2
sudo apt install docker docker-compose

4.2 Docker#

Docker 在现代后端环境里基本是必装。下面单独走一遍标准流程。

参考这篇，覆盖了 Docker + Compose 比较全的安装说明。

4.2.1 Docker Engine#

直接 apt 装 Docker 也可以，但镜像配置会比较麻烦，所以走下面的官方方式。

装依赖：

1
sudo apt-get install ca-certificates curl gnupg lsb-release

加 GPG key：

1
curl -fsSL http://mirrors.aliyun.com/docker-ce/linux/ubuntu/gpg | sudo apt-key add -

加 Docker 仓库（阿里源）：

1
sudo add-apt-repository "deb [arch=amd64] http://mirrors.aliyun.com/docker-ce/linux/ubuntu $(lsb_release -cs) stable"

装 Docker CE：

1
sudo apt-get install docker-ce docker-ce-cli containerd.io

把当前用户加进 docker 组，免去每次 sudo：

1
sudo usermod -aG docker $USER

退出重登一次让组生效。验证：

1
sudo systemctl start docker
2
sudo systemctl status docker
3
sudo docker run hello-world

网络通的话应该能拉下来 hello-world 镜像并跑起来。开机自启：

1
sudo systemctl enable docker

可选补几个包：

1
sudo apt-get -y install apt-transport-https ca-certificates curl software-properties-common

装新东西或者改了 Docker 配置之后：

1
sudo systemctl restart docker

改 daemon 配置（如镜像）编辑 /etc/docker/daemon.json，改完：

1
sudo systemctl reload docker
2
sudo systemctl restart docker

4.2.2 Docker Compose#

下载装包：

1
# GitHub: https://github.com/docker/compose/releases/tag/v2.20.2
2
# 国内镜像: https://gitee.com/smilezgy/compose/releases/tag/v2.20.2
3
sudo curl -SL \
4
  https://github.com/docker/compose/releases/download/v2.20.2/docker-compose-linux-x86_64 \
5
  -o /usr/local/bin/docker-compose
6

7
# 或者本地下好上传到服务器：
8
sudo cp docker-compose-linux-x86_64 /usr/local/bin/docker-compose
9

10
sudo chmod +x /usr/local/bin/docker-compose

验证：

1
docker-compose --version

拉镜像超时的话，在 /etc/docker/daemon.json 配镜像加速：

1
{
2
    "registry-mirrors": [
3
        "https://registry.docker-cn.com",
4
        "https://mirror.ccs.tencentyun.com",
5
        "https://docker.mirrors.ustc.edu.cn",
6
        "https://docker.m.daocloud.io",
7
        "https://docker.imgdb.de",
8
        "https://docker-0.unsee.tech",
9
        "https://docker.hlmirror.com",
10
        "https://docker.1ms.run",
11
        "https://func.ink",
12
        "https://lispy.org",
13
        "https://docker.xiaogenban1993.com"
14
    ]
15
}

镜像质量不一，建议一个一个测试，只留下能稳定连上的。

5. NVIDIA 驱动和 CUDA#

5.1 驱动#

以 GTX 1080 Ti 为例，其他卡流程一样。

去 NVIDIA 驱动下载。
选好型号、操作系统、平台，查最新驱动。
下 .run 文件。
加执行权限并跑：

1
chmod +x NVIDIA-Linux-x86_64-*.run
2
sudo ./NVIDIA-Linux-x86_64-*.run

装完通常要重启。重启之前先确认 netplan 配置是对的，否则可能直接失联。

验证：

1
nvidia-smi

顺手提一下，跑深度学习时实时看显卡状态：
Terminal window
1
watch -n 1 nvidia-smi
每秒刷新一次，能直观看到核心和显存的使用情况。

5.2 CUDA Toolkit#

以 CUDA 12.8 为例。注意 NVIDIA 已经宣布 CUDA 12.9 之后会停止支持部分老架构卡（含 GTX 和 TITAN 系列），装之前先确认你的卡的兼容范围。

搜版本，比如 “cuda 12.8”，进入 CUDA Toolkit Archive。
选系统、架构、发行版、版本、安装方式（推荐 deb (local)）。
按 NVIDIA 给出的命令走。Ubuntu 20.04 上的 CUDA 12.8：

1
wget https://developer.download.nvidia.com/compute/cuda/repos/ubuntu2004/x86_64/cuda-ubuntu2004.pin
2
sudo mv cuda-ubuntu2004.pin /etc/apt/preferences.d/cuda-repository-pin-600
3
wget https://developer.download.nvidia.com/compute/cuda/12.8.1/local_installers/cuda-repo-ubuntu2004-12-8-local_12.8.1-570.124.06-1_amd64.deb
4
sudo dpkg -i cuda-repo-ubuntu2004-12-8-local_12.8.1-570.124.06-1_amd64.deb
5
sudo cp /var/cuda-repo-ubuntu2004-12-8-local/cuda-*-keyring.gpg /usr/share/keyrings/
6
sudo apt-get update
7
sudo apt-get -y install cuda-toolkit-12-8

这一步耗时挺长，等就行。

5.3 让 Docker 容器用上 GPU#

如果想在 Docker 里调用宿主机 GPU，需要装 NVIDIA Container Toolkit。装完在 docker-compose.yml 这样写：

1
services:
2
  container-name:
3
    deploy:
4
      resources:
5
        reservations:
6
          devices:
7
            - driver: "nvidia"
8
              count: "all"
9
              capabilities: ["gpu"]

6. 深度学习环境#

6.1 Miniconda#

按官方安装页走。Linux x86_64 上（2025 年 5 月的命令）：

1
mkdir -p ~/miniconda3
2
wget https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh -O ~/miniconda3/miniconda.sh
3
bash ~/miniconda3/miniconda.sh -b -u -p ~/miniconda3
4
rm ~/miniconda3/miniconda.sh

最新命令以官网为准。装到一半问要不要 init conda，选 yes，省得后面手动改 ~/.bashrc。

装完终端提示符应该有 (base)：

1
(base) user@hostname:~$

pip 配国内源（阿里）：

1
mkdir ~/.pip
2
cd ~/.pip
3
vim pip.conf

写入：

1
[global]
2
index-url = https://mirrors.aliyun.com/pypi/simple/
3

4
[install]
5
trusted-host = mirrors.aliyun.com

建一个 PyTorch 环境：

1
conda create -n torch python=3.9 -y

进入环境装包：

1
conda activate torch
2
pip install --upgrade pip
3
pip install torch torchvision torchaudio jupyter

验证 PyTorch 能不能用上 CUDA：

1
(torch) user@hostname:~$ python
2
Python 3.9.21 ...
3
>>> import torch
4
>>> torch.cuda.is_available()
5
True

输出 True 就 OK。

写在最后#

从 U 盘启动盘、系统安装、网络配置，到 Docker、NVIDIA 驱动、CUDA、Python 环境，每一步都是这台机器能跑深度学习任务的基础。流程虽然长，但思路转到其他 Ubuntu 版本、虚拟机、Desktop 版基本都通。

最后一点经验：装系统这种事，技术含量并不一定有多高，但需要点耐心和方法。出问题的时候先别急着复杂调试——先检查物理连接、网络可达性、BIOS 配置这些最基本的东西。简单的疏漏往往最难发现。

上一篇 Mac Usage Tips

下一篇 OpenClaw Deployment

5.3 让 Docker 容器用上 GPU