基础环境准备：Linux系统选择与安装、SSH远程连接配置、基础命令行工具

说实话，做机器学习这几年，我踩过最大的坑就是环境问题。模型写得再漂亮，环境配不好，全白搭。今天咱们就把这第一步走稳了。

Linux发行版怎么选？我的建议

我个人习惯用Ubuntu LTS版本。为什么？说白了，社区支持最好，遇到问题一搜就有答案。我刚开始做深度学习那会儿，试过CentOS，结果装个CUDA驱动折腾了两天——嗯，从那以后我就老实了。

如果你问我具体版本：

• Ubuntu 20.04 LTS：最稳妥的选择，PyTorch、TensorFlow官方都测试过
• Ubuntu 22.04 LTS：新一些，内核更新，对RTX 40系显卡支持更好
• Debian 11/12：如果你追求极致稳定，可以考虑，但软件源稍旧

安装流程：三步搞定

安装其实不复杂，我总结成三步：

1. 制作启动盘：用Rufus（Windows）或balenaEtcher（macOS）把ISO写入U盘
2. 分区规划：至少分三个区——/（根目录）、/home（用户数据）、swap（交换分区）
3. 安装系统：跟着向导走，注意勾选“安装第三方驱动”

SSH远程连接配置

模型训练通常跑在服务器上，你不会每次都跑去机房操作吧？SSH就是你的远程遥控器。

服务端配置（你的Linux机器）

# 安装SSH服务
sudo apt update
sudo apt install openssh-server

# 检查服务状态
sudo systemctl status ssh

# 修改配置（建议）
sudo vim /etc/ssh/sshd_config

# 我习惯改这几个参数：
Port 2222                    # 改默认端口，减少被扫描的风险
PermitRootLogin no           # 禁止root直接登录
PasswordAuthentication yes   # 先用密码登录，后面配密钥

客户端连接（你的笔记本）

# 从Windows/macOS连接
ssh username@服务器IP -p 2222

# 配置密钥登录（推荐）
ssh-keygen -t ed25519        # 生成密钥对
ssh-copy-id -p 2222 username@服务器IP  # 把公钥传到服务器

基础命令行工具

你想想看，没有图形界面的时候，全靠命令行。我整理了一套“必装清单”：

工具	用途	安装命令
htop	实时监控CPU/内存	sudo apt install htop
nvidia-smi	查看GPU状态	安装NVIDIA驱动后自带
tmux	终端复用器（断网不丢任务）	sudo apt install tmux
git	代码版本管理	sudo apt install git
curl/wget	下载文件	通常预装
vim/nano	文本编辑器	sudo apt install vim

我个人最常用的是tmux。为什么？训练模型动不动跑十几个小时，万一网络断了，任务就没了。用tmux开个会话，关掉终端都没事，回来还能接着看。

# tmux 常用操作
tmux new -s train      # 新建会话，取名train
Ctrl+b d               # 脱离会话（detach）
tmux attach -t train   # 重新连接会话

知识体系总览

下面这张图，是我自己总结的环境准备流程。你照着走，基本不会出大问题。

验证环境是否就绪

装完这些东西，怎么知道对不对？我一般跑几个命令验证：

# 1. 检查系统版本
lsb_release -a

# 2. 检查SSH连接
ssh -p 2222 localhost   # 能连上自己就说明服务正常

# 3. 检查GPU
nvidia-smi              # 能看到显卡信息就OK

# 4. 检查网络
ping -c 4 8.8.8.8       # 能通说明网络没问题

好了，基础环境就这些。你照着做，基本不会出大问题。记住：稳扎稳打，后面才能跑得快。

---