文章目录
1. Linux软件安装方式2. 输入法安装3. 配置VPN4. 一个好用的终端5. Anaconda && Python6. 安装显卡驱动、CUDA、Pytorch7. 关闭 Linux 系统和 NVIDIA 显卡驱动的自动更新8.远程连接服务器9.问题记录
1. Linux软件安装方式
软件安装教程
设置国内源 因为 linux 本身自带的下载源资源有限，所以在使用 apt 命令下载的时候，有些包可能找不到，所以要添加国内源。方法如下：
打开文件 /etc/apt/sources.list
sudo gedit /etc/apt/sources.list
在文件头部加入一下内容：
deb http://mirrors.aliyun.com/ubuntu/ focal main restricted universe multiverse
deb http://mirrors.aliyun.com/ubuntu/ focal-security main restricted universe multiverse
deb http://mirrors.aliyun.com/ubuntu/ focal-updates main restricted universe multiverse
deb http://mirrors.aliyun.com/ubuntu/ focal-proposed main restricted universe multiverse
deb http://mirrors.aliyun.com/ubuntu/ focal-backports main restricted universe multiverse
deb-src http://mirrors.aliyun.com/ubuntu/ focal main restricted universe multiverse
deb-src http://mirrors.aliyun.com/ubuntu/ focal-security main restricted universe multiverse
deb-src http://mirrors.aliyun.com/ubuntu/ focal-updates main restricted universe multiverse
deb-src http://mirrors.aliyun.com/ubuntu/ focal-proposed main restricted universe multiverse
deb-src http://mirrors.aliyun.com/ubuntu/ focal-backports main restricted universe multiverse
关闭文件后执行
sudo apt-get update
sudo apt-get upgrade
执行完成就完成了软件库的更新，后面的操作会更加顺利，减少找不到包的问题。
2. 输入法安装
安装教程
3. 配置VPN
非广告，不负责，我只是放出我自己使用的这个网址，可以在linux上使用。
按照里面的linux系统使用教程即可，亲测有效。
按照教程操作下载 .AppImage 文件之后，有两个问题需要解决
更改软件权限为可运行文件
sudo chmod +x weitu_0.2.7_linuxx86_64.AppImage
运行 .AppImage 文件
./weitu_0.2.7_linuxx86_64.AppImage
在执行运行的命令时遇到了这个问题： “ AppImages require FUSE to run. “ 解决办法：安装 FUSE。 具体做法：去这个网址查看当前系统对应的版本，然后运行对应版本下的命令即可安装。
安装 FUSE 的时候，遇到网络问题，第二条命令 git clone 执行失败，解决办法是选择更好的下载源。操作如下：
1. 打开终端并输入"sudo software-properties-gtk"命令。
2. 在弹出的窗口中选择"Download from"选项卡。
3. 选择"Other"并点击"Select Best Server"按钮，系统将自动测试并选择最佳的更新源。
4. 点击"Choose Server"并关闭窗口，然后运行"sudo apt-get update"命令再次尝试更新。
使用这个方法安装之后，进入到 .AppImage 文件所在文件夹，运行命令 ./weitu_0.2.7_linuxx86_64.AppImage 即可启动APP，和windows系统下APP一样的使用方法，亲测可行。
每次都使用命令打开是非常不方便的，所以最后还需要为 .AppImage 文件生成桌面快捷方式。
sudo touch /usr/share/applications/WeiTu.desktop
然后在 .desktop 对应位置执行 sudo gedit WeiTu.desktop 打开，写入以下内容：
[Desktop Entry]
Name=Vnote # 名字，最好跟软件一样
Comment=Vnote #描述，随便写
Exec=/opt/vnote/vnote-linux-x64_v3.16.0.AppImage #文件绝对路径，下载的文件存在哪就写哪
Icon=/opt/vnote/vnote_pic.jpeg #图标绝对路径，下载的文件存在哪就写哪
Terminal=false
Type=Application
Categories=Developer;
执行完了之后，按键盘上的窗口键，在里面就能找到 WeiTu 了，点击即可打开。
4. 一个好用的终端
zsh、oh-my-zsh、tmux
Zsh：Zsh是一个强大的Shell，支持自动补全和语法高亮等功能，是Bash的替代品。 安装： sudo apt-get install zsh 应用：将默认SHELL修改为 zsh
oh-my-zsh: 安装教程
按照这个教程安装时，我出现了 git clone 执行超时的问题，我通过安装 VPN 解决了这个问题（注意，要使用全局连接，而不是PAC连接），另一个解决办法是，直接去github 上下载 oh-my-zsh.zip，解压之后进入目录 /master/tools 运行 install.sh 进行安装。
另一个教程，这个教程里不使用git clone，有国内源。
tmux：tmux是一个终端复用器，可以在一个终端窗口中同时运行多个终端会话。 安装：sudo apt-get install tmux 启动：在终端输入命令 tmux 即可 相关快捷键：https://blog.csdn.net/gongdiwudu/article/details/129317682
5. Anaconda && Python
Anaconda安装教程 Ubuntu系统一般自带Python3
6. 安装显卡驱动、CUDA、Pytorch
查看系统版本
uname -a
ubuntu 18.04 安装之后WiFi连接教程。
安装之前，让我们先看一下操作系统、显卡驱动、CUDA、Pytorch 的关系
如图所示：
显卡驱动是连接操作系统和显卡的平台，使得操作系统能够正常使用和管理显卡资源；cuda是英伟达提供的计算平台，方便用户利用显卡进行计算，为用户提供了接口，显卡除了计算还有一个很大的功能是图形显示；pytorch是深度学习框架，为了方便用户使用的一种深度学习框架，方便用户使用相关服务，其中包括cuda服务。
如果显卡驱动和系统版本不适配，则显卡直接使用不了，甚至导致系统异常；如果显卡驱动、CUDA、Pytorch三者版本不匹配，则会导致cuda计算无法使用。
在配置深度学习环境时，显卡驱动、CUDA、Pytorch三个组件的版本适配非常重要，安装顺序也要注意，否则会出很多的问题。
在以下我也会给出卸载的方法，如果装错了，可以按照卸载重新装。
1）如何选择版本？ 显卡驱动：越新越好 CUDA 和 pytorch 版本： 要适配
对于显卡驱动和CUDA版本，越新的显卡驱动能兼容的CUDA版本就越多，具体可以查看Nvidia官网。
然而，在pytorch框架中使用 CUDA 时，pytorch支持的 CUDA 版本是有限的，必须先确定清楚版本再安装，具体可以看Pytorch官网。
2）安装顺序是怎样的？ 先装显卡驱动，然后查看CUDA版本，然后安装 CUDA，最后安装对应 Pytorch。
3）安装教程： 显卡驱动安装 教程1 教程2,有卸载教程
CUDA安装 （1）从CUDA官网找到对应版本。 （2）选择 ranfile(local) 下载运行即可安装，这里切记不可使用 dev 版本，会自动装显卡驱动，覆盖掉之前装的 在这一步千万要注意，只安装CUDA Toolkit 11.8 即可，否则会再次安装驱动导致失败，其他的也没有必要安装。
（3）安装完要在 .bashrc 文件中添加 PATH
export PATH=$PATH:/usr/local/cuda/bin
export LD_LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PATH
添加完了执行 source ~/.bashrc。 （4）通过命令 nvcc --version 查看版本，输出版本即为成功
cuda卸载:
sudo apt clean
sudo apt update
sudo apt purge nvidia-*
sudo apt autoremove
Pytorch安装 进入到相应环境之后，在Pytorch官网选择合适版本，然后运行官网命令即可安装。
cuDNN安装 cuDNN是英伟达研究的为深度学习训练加速的工具，是可选项，如果不下载，也并不会影响cuda的使用。
安装方法如下： 从官网下载对应版本的包，我这里用的是 .deb，在网上有很多的教程，但是我发现英伟达简化了安装，下载 .deb 文件之后，直接进入文件夹中，运行命令 sudo dpkg -i xxxx.deb，然后就可以了，如果运行后有提示，按照提示操作即可。
验证是否安装成功：运行语句 print(torch.backends.cudnn.version)，输出 8700 即表示安装成功。
7. 关闭 Linux 系统和 NVIDIA 显卡驱动的自动更新
这一部分非常重要，因为前面已经说了版本不匹配会出现很多问题，但只指出了显卡驱动、cuda、pytorch的关系，另外一个重要关系是操作系统和显卡驱动的关系，如果让系统和显卡驱动自己更新，就可能会出现很多意外情况，比如我就出现了直接开不了机的问题，导致重新装系统。所以最好禁用自动更新，把主动权掌握在自己手上。
Linux 系统自动更新关闭方法。 Nvidia 驱动自动更新关闭方法。
8.远程连接服务器
1）向日葵软件 2）通过 SSH 查找 linux 主机 IP 和 端口 的方法 运行 ifconfig 命令，其中的 inet 字段后为IP地址，通过SSH命令连接时，默认端口号为22。如果找不到 ifconfig 命令，使用 sudo apt install net-tools 进行安装。
在linux主机上安装 openssh-server、ssh 的教程。也可以看B站的这个视频。
最后设置开机启动时，可能会出现 failed to enable unit 的错误，这个时候可能是因为已经是 enable 的了。
可以使用 sudo systemctl status sshd 命令查看，在输出中找到 loaded 这一行，后面会看到已经是enabled。 3）非局域网环境下使用 SSH 连接 正常情况下 SSH 只能在两个主机处于同一个局域网的时候连接，当两个主机不在一个局域网的时候该怎么办呢？ 答案是建立虚拟局域网。同坐zerotier可以建立虚拟局域网。原理是，先创建一个虚拟的网络，然后让主机都加入这个网络，那么这些在同一个网络的主机之间就可以通信了。详细可看教程，官网。
亲测可用。
一些命令：
systemctl status sshd // 查看ssh状态
systemctl restart sshd // 重启ssh
systemctl zerotier-cli status // 查看zerotier状态
systemctl zerotier-cli restart // 重启zerotier
sudo zerotier-cli info //查看zerotier信息
9.问题记录
1）显卡驱动自动更新导致开不了机，提示 failed to start nvidia-powered service？ 在开机后按 shift 或 esc 键，进入系统高级选项，注意不是 BIOS，而是操作系统的高级选项。 选择系统高级选项，进入选择 recovery 模式。 然后先选择network恢复网络，然后选择 dpkg 恢复包，恢复下载包时间根据需要下载的包的多少。然后重启即可。
暴力解决：重新装系统