Ubuntu 24.04.2 LTS 桌面版系统安装、分区、配置全记录

引言

记录了一次完整的系统安装与环境配置过程，包括启动盘制作、安装引导、镜像源替换、中文输入法配置、驱动和CUDA安装、docker安装和完整配置过程、SSH配置、软件安装（App Store软件安装与其他软件安装，以VScode和Mathlab为例），包含过程中遇到的错误和修正方法，供参考，有错误的地方欢迎指正。

目录

引言

Ubuntu启动盘制作

Windows系统分区格式化步骤

制作启动盘

Ubuntu安装与磁盘分区

安装过程

分区参考

镜像源替换

根用户设置

 中文输入法配置

NVIDIA GPU驱动安装

安装方法

无法成功输出/因版本更新导致驱动不匹配的解决方法

​编辑

CUDA安装

Docker安装和配置

安装依赖工具

添加 Docker 官方 GPG 密钥

设置 Docker 仓库

安装 Docker 引擎

验证安装

连接报错问题

权限修改

镜像查看和容器运行状态查看

容器中使用Nvidia驱动配置

使用Tensorflow镜像

Anaconda安装

SSH配置

工作站SSH服务器开启和配置

远程连接SSH客户端连接方案

软件安装

从商店中安装软件（以安装VSCode为例）

网站下载软件（以安装Matlab为例）

安装过程

添加图标

DEB格式软件安装

---

Ubuntu启动盘制作

Windows系统分区格式化步骤

如果是电脑本身就安装了Windows系统，并且想要双系统，需要合理分区。

如果本身安装了Windows系统，之后只要Linux系统，建议先把C盘以外的所有硬盘格式化。C盘在后续Ubuntu安装过程的分区步骤中也要格式化掉。（之前没有格式化D盘，每次分区的时候格式化D盘都失败了，暂时不知道原因）

本身没有安装Windows系统直接跳过就可以。

在Windows系统中找到计算机管理-存储-磁盘管理，选择要用于Linux系统的分区，鼠标右键菜单选择格式化即可。

制作启动盘

制作启动盘可以参考以下文章，非常详细，没有什么雷点，在此不赘述。

参考：Ubuntu系统U盘启动盘的制作（UltralSO） - 知乎

Ubuntu下载：Ubuntu系统下载 | Ubuntu

软碟通下载：最新UltraISO官方免费下载 - UltraISO软碟通中文官方网站

Ubuntu安装与磁盘分区

安装过程

插入启动盘，开机时狂按Esc/Del/F2键（取决于主板型号），进入UEFI/BIOS菜单，将启动项的顺序改为启动盘为第一，即可进入安装程序。

语言选择，可选中文。这里为了后续文件夹管理方便选择的英文。后续可以更改，不用担心。

辅助功能选择，没有特殊需求直接Next。

选择键盘类型，之后可以改，后续会有添加拼音输入法的步骤：

是否联网安装，这里两个都可以选，不联网安装会快一些。

选择安装Ubuntu

可用更新直接跳过

选择自定义安装：

选择默认配置，这样安装会快一些，扩展程序可以以后自己安装

是否安装推荐软件，这一步可以什么都不选，后续再安装就可以。我这里选了第一项，如果没选第一项后续手动安装NVIDIA驱动即可。

选择手动安装

接下来就是硬盘分区

分区参考

基础分区方案（软件、包较少，不用docker/MySQL，不跑模型可以使用这个方案）：

挂载点	大小	类型	备注
/	100GB	ext4	系统根目录
/home	剩余	ext4	用户数据
swap	内存2倍（4G/8G）	swap	休眠需要
/boot/efi	512MB	EFI	UEFI必选

发行版提供的程序会下载到/usr中（如果不单独分区，会在根目录中），Docker 容器存储在 /var/lib/docker，MySQL 数据默认在 /var/lib/mysql。同时，Debian 系的软件包数据库和APT 的元数据缓存都会存在这里。因此，如果需要使用Docker和MySQL，建议这两个区单独分区，否则根目录（/）（相当于Windows的C盘）很容易爆满。

我的分区方案（1TB硬盘）：

挂载点	大小	类型	备注
/	100GB	ext4	系统根目录
/home	剩余	ext4	用户数据，如果使用conda，环境会存在这里
swap	8G	swap	休眠需要
/boot/efi	1.13GB	FAT32	UEFI必选，自动生成
/var	300GB	ext4	Docker 容器、MySQL 数据
/usr	250GB	ext4	发行版提供程序下载位置

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。

(这里截图没有改，后来/var改成了300GB)

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（忘记截图了QAQ）

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：ubuntu | 镜像站使用帮助 | 清华大学开源软件镜像站 | Tsinghua Open Source Mirror

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：

无法成功输出/因版本更新导致驱动不匹配的解决方法

Tips：我安装完第二天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。

我这里大版本没有错误，是微版本不匹配。

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：

我这里还是选择之前安装的550。

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

我这里安装完之后有了新的错误：

解决方案参考：https://zhuanlan.zhihu.com/p/7299923217 

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：CUDA Toolkit 12.8 Update 1 Downloads | NVIDIA Developer

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：

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：

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

这里可以看到之前拉取的hello-world镜像

查看容器运行状态：

docker ps -a

这里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。这一步我折腾了很久，尝试了很多方法更换容器仓库。网上攻略很乱，最后发现采用官方手册的方法就可以了。

官网：Installing the NVIDIA Container Toolkit — NVIDIA Container Toolkit

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。

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：Download Now | Anaconda

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)就说明以及安装好了，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

这里我只改了两个地方：

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