Ubuntu 24.04.2 LTS 桌面版安装、分区与配置指南

左下角 - 号删除分区，+ 号增加分区。

如果原来安装了 Windows，后续不需要 Windows 系统，直接用 - 号删除原 Windows 的分区就可以了。注意，如果之后不需要 Windows 系统，并且 Windows 的分区（比如 C 盘）没有格式化的话，直接用 - 号把原来的 C 盘删掉就可以了。如果后续还需要用 Windows 系统，那么分给 Windows 的分区不要动。

/boot/efi 会自动挂载在左下角"Device for boot loader installation"选中的磁盘中。

如果不小心删错了分区，右下角 Revert 一键还原。

设置用户名和密码。

选择时区，选择不正确的时区可能会导致后续包安装的认证错误等问题。

确认信息。

点击 Install 开始安装。安装完成后按提示重启，拔出启动盘，按下 Enter 键，安装成功！

镜像源替换

国内有时候网络不好，这里添加清华镜像源。官方网站有引导：https://mirrors.tuna.tsinghua.edu.cn/help/ubuntu/

Ubuntu 24.04 已经把源的位置改到/etc/apt/sources.list.d/ubuntu.sources 中（旧版本在 /etc/apt/sources.list，使用 vim 修改），使用 nano 修改镜像源文件：

sudo nano /etc/apt/sources.list.d/ubuntu.sources

（如果没有安装 nano，用以下指令安装即可）

sudo apt install nano

打开文件后，将网站中生成对应版本号的镜像源粘贴到文件中。按 ctrl+X 退出，Y 保存。更新镜像源：

sudo apt update

检查镜像源是否变化：

sudo apt-cache policy vim

看到有来自 tsinghua 的镜像，说明成功添加镜像源。

根用户设置

Ubuntu 默认没有开启 root 登录，如果有需求，按以下方法配置 root 用户：

sudo passwd root

按照提示设置密码。

验证：

su root

可以使用密码登入即成功。

中文输入法配置

只有如果开头选择的是英文，进入后要添加中文输入法才能打中文。

先在右上角设置中找到"Region & Languague"。

添加语言，找到中文，然后安装语言包（可能需要注销或重启才能生效，如果在这里把 Chinese 拖到 English 前面，整个系统都会变成中文的）。

选择"Keyborad"一项，点击添加键盘源。

找到中文，进入选择'Chinese（Intellengent Pinyin）'。右上角显示现在使用的输入法。shift 键快速切换。

如果这一步找不到这一项，可以使用命令下载拼音包。

sudo apt update
sudo apt install fcitx fcitx-pinyin fcitx-config-gtk

NVIDIA GPU 驱动安装

安装方法

查看显卡型号，确定可以检测到显卡：

lspci | grep -i nvidia # 查看显卡型号

安装推荐驱动（如果前面安装 Ubuntu 时勾选了自动安装驱动，这一步可以不做）

sudo ubuntu-drivers autoinstall # 自动安装推荐驱动
sudo reboot # 重启生效

测试安装：

nvidia-smi

成功输出示例可参考官方文档。

无法成功输出/因版本更新导致驱动不匹配的解决方法

Tips：安装完第二天 Ubuntu 自动更新，驱动不匹配。

解决方案

先检查是否是大版本有误。在 Ubuntu 桌面找到"Softare & Update"应用，选择 Additional Drivers，查看选择的驱动是否匹配。

卸载现有的驱动：

sudo apt purge nvidia* libnvidia*
sudo apt autoremove -y
sudo apt update

查看推荐驱动：

sudo ubuntu-drivers devices

输出结果中选择之前安装的版本。

如果想要具体到微版本号的，查询方法（以 550 为例）：

sudo apt search nvidia-driver-550

安装对应版本驱动：

sudo apt install nvidia-driver-550 # 或者具体到微版本号：sudo apt install nvidia-driver-550 = 550.144.03-0ubuntu1

安装完之后有了新的错误，解决方案参考 NVIDIA 官方文档。

重新启动，按 Esc 或 F2 或 Del（取决于主板类型）进入 UEFI/BIOS，在菜单中禁用 Secure Boot。

我的选项中没有禁用这一项，只有 Standard/Custom，方法是将 Secure Boot Mode 改为 Custom，然后选择 Key Management，再选择 Clear Secure Boot Keys，删除所有密钥，保存并退出。

测试安装：

nvidia-smi

成功调取。

为了防止再出现这种情况，可以锁定版本，禁止自动更新：

sudo systemctl stop unattended-upgrades
sudo systemctl disable unattended-upgrades

CUDA 安装

网站：https://developer.nvidia.com/cuda-downloads?target_os=Linux&target_arch=x86_64&Distribution=Ubuntu&target_version=24.04&target_type=deb_network

在网站上选择对应版本。

按照网站所给的代码进行安装。

安装验证：

nvcc --version

输出显示版本号即为成功。

Docker 安装和配置

安装依赖工具

sudo apt update
sudo apt install -y ca-certificates curl gnupg lsb-release

添加 Docker 官方 GPG 密钥

sudo mkdir -p /etc/apt/keyrings
curl -fsSL https://download.docker.com/linux/ubuntu/gpg | sudo gpg --dearmor -o /etc/apt/keyrings/docker.gpg

设置 Docker 仓库

echo "deb [arch=$(dpkg --print-architecture) signed-by=/etc/apt/keyrings/docker.gpg] https://download.docker.com/linux/ubuntu $(lsb_release -cs) stable" | sudo tee /etc/apt/sources.list.d/docker.list > /dev/null

安装 Docker 引擎

sudo apt update
sudo apt install -y docker-ce docker-ce-cli containerd.io docker-compose-plugin

验证安装

sudo docker run hello-world

连接报错问题

验证安装时出现了报错：Unable to find image 'hello-world:latest' locally docker: Error response from daemon: Get "https://registry-1.docker.io/v2/": context deadline exceeded Run 'docker run --help' for more information

这里应该是因为校园网，无法连接 docker hub。

使用阿里云或华为云的镜像验证：

# 阿里云，似乎还需要登陆，不推荐：
sudo docker run registry.cn-hangzhou.aliyuncs.com/library/hello-world
# 华为云：
docker run swr.cn-east-3.myhuaweicloud.com/library/hello-world

输出显示成功。说明 Docker 安装成功。（如果后续不需要拉取 Docker 仓库的其他镜像，这样就可以了，不用管。如果项目需要拉取仓库其他镜像，建议添加镜像源）

添加 docker hub 镜像源：

sudo mkdir -p /etc/docker
sudo nano /etc/docker/daemon.json

填写以下内容：

{ "registry-mirrors": [ "https://docker.m.daocloud.io"#或者可以改成、添加其他镜像源 ] }

重启 docker 服务：

sudo systemctl daemon-reload
sudo systemctl restart docker

验证修改成功：

docker info

权限修改

此时发现只有 root 用户有使用 docker 的权限。使用命令：

sudo usermod -aG docker $USER

$USER 替换为自己的用户名，将自己添加到 docker 用户组中，重启即可不加 sudo 也能使用 docker。

镜像查看和容器运行状态查看

查看本地镜像：

docker images

可以看到之前拉取的 hello-world 镜像。

查看容器运行状态：

docker ps -a

可以看到我们之前运行的 hello world 的容器。

容器中使用 Nvidia 驱动配置

此时，我们还不能直接在容器中使用 GPU 驱动来加速模型训练。这一步需配置。采用官方手册的方法。

官网：https://docs.nvidia.com/datacenter/cloud-native/container-toolkit/latest/install-guide.html

附上代码：

curl -fsSL https://nvidia.github.io/libnvidia-container/gpgkey | sudo gpg --dearmor -o /usr/share/keyrings/nvidia-container-toolkit-keyring.gpg \
&& curl -s -L https://nvidia.github.io/libnvidia-container/stable/deb/nvidia-container-toolkit.list | \
sed 's#deb https://#deb [signed-by=/usr/share/keyrings/nvidia-container-toolkit-keyring.gpg] https://#g' | \
sudo tee /etc/apt/sources.list.d/nvidia-container-toolkit.list
sudo apt-get update
sudo apt-get install -y nvidia-container-toolkit
sudo nvidia-ctk runtime configure --runtime=docker
sudo systemctl restart docker

安装完成之后，尝试拉取镜像：

docker run --rm --runtime=nvidia --gpus all ubuntu nvidia-smi

出现 GPU 可用信息。

使用 Tensorflow 镜像

拉取 Tensorflow 镜像：

docker pull tensorflow/tensorflow:latest-py3 # 或改成自己需要的版本

使用 docker images 查看镜像。

建议使用以下方法运行容器，方便管理：

docker run --gpus '"device=0,1"' -dit --privileged --pid=host --name <user>-<info> \
-v /home/<user>/docker_share:/home/<user>/docker_share \
-w /home/<user>/docker_share \
<docker image>:<tag>

'device=0,1'是 GPU 序号，在'docker run --rm --runtime=nvidia --gpus all ubuntu nvidia-smi'命令中可以看到对应的序号，我这里只有一个 GPU，填写 0 就可以，如果有多块 GPU，可以在这里进行设置；

<user>-<info> 是容器名，为方便管理建议这样命名，尤其在多人一起使用一个工作站的情况下

-v 是挂载目录路径

-w 是工作目录路径

<docker image>:<tag> 两个变量前者对应 docker images 中的第一列，后者对应第二列，按需求填写即可。

运行示例：

docker run --gpus device=0 -dit --privileged --pid=host --name lyq-dcase2023 \
-v /home/lyq/docker_share:/home/lyq/docker_share \
-w /home/lyq/docker_share \
tensorflow/tensorflow:2.5.1-gpu

运行后可以在镜像运行状态中看到。

进入容器：

docker exec -it <name> /bin/bash

使用 ctrl + D 退出容器。

Anaconda 安装

下载网址：https://www.anaconda.com/download/success

按自己的需求选择 anaconda 或 miniconda。

在终端导航到下载目录，并运行安装脚本。

注，Conda 安装的默认路径通常为/home/<用户名>/anaconda3，环境会存储在/home/<用户名>/anaconda3/.conda/envs，环境会存储在/home/<用户名>/anaconda3/conda/pkgs 中。如果安装到根目录中，普通用户将没有使用权限。因此，推荐不要修改默认安装路径，不要改到根目录中，这样也方便版本管理。

安装命令如下，$PATH 改为脚本所在路径即可，后续依照指令安装。

bash $PATH/Anaconda3-2024.10-1-Linux-x86_64.sh

添加到系统变量：

echo 'export PATH="$HOME/anaconda3/bin:$PATH"' >> ~/.bashrc
source ~/.bashrc

一般只要出现 (base) 就说明已经安装好了，也可以验证安装：

conda list

SSH 配置

SSH 配置可以方便远程使用 GPU，只要和 Work Station 连在一个局域网下，就可以使用笔记本电脑或者其他设备登入工作站进行训练等操作。如果觉得有需要可以进行配置。

工作站 SSH 服务器开启和配置

在终端安装 ssh 服务器、客户端：

sudo apt update
sudo apt install openssh-server openssh-client

开启 ssh 服务器和开机自启：

sudo systemctl start ssh
sudo systemctl enable ssh

配置服务器（可选）：

sudo nano /etc/ssh/sshd_config

这里只改了两个地方：

禁止根用户登录。

允许密码登录。

Ctrl+X,Y,回车保存后重启 ssh 服务：

sudo systemctl restart sshd

查看地址：

ifconfig # 或 ip a

远程连接 SSH 客户端连接方案

可以使用 VScode/MobaXterm 进行远程登录，临时传文件用终端也可以连接。这里演示 MobaXterm 的连接方法。注意，如果没有云服务器或公网 IP，需要和服务器在同一个局域网下才可以连接成功。

在左上角找到 Session。

输入服务器地址。

会显示"login as"，按提示输入用户名和密码即可（和服务器上的用户名密码相同）。

登录成功。

软件安装

从商店中安装软件（以安装 VSCode 为例）

在桌面上找到 App Center，找到自己想要的软件进行安装即可。这里安装路径默认位于\usr\local 文件夹。

网站下载软件（以安装 Matlab 为例）

安装过程

先下载 Linux 版安装包，Matlab 下载地址：https://www.mathworks.com/downloads/

解压下载的压缩包，在终端机中运行：

cd $PATH #Matlab 解压路径
sudo ./install

然后按照提示激活许可证，安装需要的工具即可。

安装完成后在终端机中输入指令运行：

cd /usr/local/MATLAB/R20XXx/bin # 进入安装路径
./matlab

添加图标

想要使用桌面图标，需要手动添加。

创建快捷方式文件：

sudo gedit /usr/share/applications/matlab.desktop

文件内容：

[Desktop Entry]
Version=1.0
Type=Application
Terminal=false
Exec=/usr/local/MATLAB/R2024b/bin/matlab -desktop #记得改成对应的安装位置，如果是默认安装只需要版本号对应
Name=MATLAB
Icon=/usr/local/MATLAB/R2024b/toolbox/shared/dastudio/resources/MatlabIcon.png #这里的图标可以在 usr/local/MATLAB/R2024b/文件夹中搜索 MatlabIcon，在提供的几个图标里找到自己喜欢的那个。把路径复制上来就可以了
Categories=Math;Science
Comment=Scientific computing environment
StartupNotify=true
StartupWMClass=com-mathworks-util-PostVMInit

重启即可通过桌面图标进入 Matlab。

DEB 格式软件安装

从网上下载安装包，在终端中输入：

sudo apt install $PATH/XXXXX.deb # 从 Path 安装