【Deep Learning】Ubuntu配置深度學習環境

【start: 250715】

文章目錄

ubuntu與深度學習
- 安裝cuda
- - 查看顯卡信息（nvidia-smi）
  - 升級驅動
  - 下載cuda
- 安裝conda
- - 安裝anaconda
  - 默認指向自己的conda
  - 初始化conda
  - 確認 conda.sh 被加載
  - 安裝cuda-toolkit
  - - 直接安裝cuda-toolkit（高級的）
    - 安裝高于cuda等級的cuda-toolkit
    - 無sudo權限安裝CUDA
  - 驗證nvcc（nvcc --version）
  - 遷移env到新conda
- 配置環境
- - 創建conda env（conda環境）
  - 創建.venv（標準的 Python 虛擬環境）
  - 安裝加速源
- 安裝torch
- - 下載torch（wget whl）
  - 安裝torch（pip whl）
  - 安裝torchvision和torchaudio
  - 查看torch
  - 打印torch
  - ubuntu 18下載 pytorch 2.7
- 安裝其他庫
- - 安裝cmake工具
  - xformers
  - 查看安裝的庫的位置
- 兼容分布式訓練
- - PyTorch 分布式訓練加載權重
  - Singularity
  - ShardedTensor
- 存儲數據集
- - 存儲位置
  - 查看磁盤空間
  - 修改權限
ubuntu終端的基本操作
- 打開終端
- 復制粘貼
- 基本命令
- 退出終端
- 特殊功能
ubuntu的用戶注冊
- 登錄
- 創建與刪除
- 進入與退出
- 賦予權限
ubuntu的文件處理
- 解壓文件
- 打印文件目錄
- - 打印一級目錄
  - 打印所有目錄
  - 打印目錄樹狀結構（在根目錄）
  - 打印目錄樹結構（進入某一個文件夾后）
- 查看文件內容
- 查找文件或目錄
ubuntu的文件傳輸
- ubuntu與todesk
- ubuntu與百度云
ubuntu與遠程連接
- apt工具
- ssh協議
- - OpenSSH
  - 生成公私鑰
  - vscode
- rdp協議
- - todesk

ubuntu與深度學習

安裝cuda

查看顯卡信息（nvidia-smi）

(base) ubuntu@ubun:~$ lspci | grep -i vga
03:00.0 VGA compatible controller: ASPEED Technology, Inc. ASPEED Graphics Family (rev 52)
31:00.0 VGA compatible controller: NVIDIA Corporation AD102 [GeForce RTX 4090 D] (rev a1)
4b:00.0 VGA compatible controller: NVIDIA Corporation AD102 [GeForce RTX 4090 D] (rev a1)
b1:00.0 VGA compatible controller: NVIDIA Corporation AD102 [GeForce RTX 4090 D] (rev a1)
ca:00.0 VGA compatible controller: NVIDIA Corporation AD102 [GeForce RTX 4090 D] (rev a1)

ubuntu查看顯存的使用情況：
nvidia-smi

或者，實時監控：
watch -n 2 nvidia-smi

效果如下：

(base) xqlin@adc-SYS-4028GR-TR:/$ nvidia-smi
Fri Jul 18 11:42:06 2025       
+-----------------------------------------------------------------------------+
| NVIDIA-SMI 470.161.03   Driver Version: 470.161.03   CUDA Version: 11.4     |
|-------------------------------+----------------------+----------------------+
| GPU  Name        Persistence-M| Bus-Id        Disp.A | Volatile Uncorr. ECC |
| Fan  Temp  Perf  Pwr:Usage/Cap|         Memory-Usage | GPU-Util  Compute M. |
|                               |                      |               MIG M. |
|===============================+======================+======================|
|   0  NVIDIA GeForce ...  On   | 00000000:04:00.0 Off |                  N/A |
| 16%   27C    P8    18W / 250W |      1MiB / 11019MiB |      0%      Default |
|                               |                      |                  N/A |
+-------------------------------+----------------------+----------------------+
|   1  NVIDIA GeForce ...  On   | 00000000:05:00.0 Off |                  N/A |
| 16%   28C    P8    13W / 250W |      1MiB / 11019MiB |      0%      Default |
|                               |                      |                  N/A |
+-------------------------------+----------------------+----------------------+
|   2  NVIDIA GeForce ...  On   | 00000000:08:00.0 Off |                  N/A |
| 16%   29C    P8    15W / 250W |      1MiB / 11019MiB |      0%      Default |
|                               |                      |                  N/A |
+-------------------------------+----------------------+----------------------+
|   3  NVIDIA GeForce ...  On   | 00000000:09:00.0 Off |                  N/A |
| 17%   28C    P8     3W / 250W |      1MiB / 11019MiB |      0%      Default |
|                               |                      |                  N/A |
+-------------------------------+----------------------+----------------------+
|   4  NVIDIA GeForce ...  On   | 00000000:84:00.0 Off |                  N/A |
| 16%   29C    P8     8W / 250W |      1MiB / 11019MiB |      0%      Default |
|                               |                      |                  N/A |
+-------------------------------+----------------------+----------------------+
|   5  NVIDIA GeForce ...  On   | 00000000:85:00.0 Off |                  N/A |
| 16%   27C    P8     1W / 250W |      1MiB / 11019MiB |      0%      Default |
|                               |                      |                  N/A |
+-------------------------------+----------------------+----------------------+
|   6  NVIDIA GeForce ...  On   | 00000000:88:00.0 Off |                  N/A |
| 16%   27C    P8    20W / 250W |      1MiB / 11019MiB |      0%      Default |
|                               |                      |                  N/A |
+-------------------------------+----------------------+----------------------+
|   7  NVIDIA GeForce ...  On   | 00000000:89:00.0 Off |                  N/A |
| 16%   28C    P8     8W / 250W |      1MiB / 11019MiB |      0%      Default |
|                               |                      |                  N/A |
+-------------------------------+----------------------+----------------------++-----------------------------------------------------------------------------+
| Processes:                                                                  |
|  GPU   GI   CI        PID   Type   Process name                  GPU Memory |
|        ID   ID                                                   Usage      |
|=============================================================================|
|  No running processes found                                                 |
+-----------------------------------------------------------------------------+

和

(lxq_env) ubuntu@ubun:~/lxq$ nvidia-smi
Sat Jul 19 21:18:34 2025       
+-----------------------------------------------------------------------------------------+
| NVIDIA-SMI 550.144.03             Driver Version: 550.144.03     CUDA Version: 12.4     |
|-----------------------------------------+------------------------+----------------------+
| GPU  Name                 Persistence-M | Bus-Id          Disp.A | Volatile Uncorr. ECC |
| Fan  Temp   Perf          Pwr:Usage/Cap |           Memory-Usage | GPU-Util  Compute M. |
|                                         |                        |               MIG M. |
|=========================================+========================+======================|
|   0  NVIDIA GeForce RTX 4090 D      Off |   00000000:31:00.0 Off |                  Off |
| 30%   25C    P8             14W /  425W |      36MiB /  24564MiB |      0%      Default |
|                                         |                        |                  N/A |
+-----------------------------------------+------------------------+----------------------+
|   1  NVIDIA GeForce RTX 4090 D      Off |   00000000:4B:00.0 Off |                  Off |
| 30%   24C    P8             18W /  425W |      36MiB /  24564MiB |      0%      Default |
|                                         |                        |                  N/A |
+-----------------------------------------+------------------------+----------------------+
|   2  NVIDIA GeForce RTX 4090 D      Off |   00000000:B1:00.0 Off |                  Off |
| 30%   25C    P8             12W /  425W |      36MiB /  24564MiB |      0%      Default |
|                                         |                        |                  N/A |
+-----------------------------------------+------------------------+----------------------+
|   3  NVIDIA GeForce RTX 4090 D      Off |   00000000:CA:00.0 Off |                  Off |
| 30%   25C    P8             14W /  425W |      36MiB /  24564MiB |      0%      Default |
|                                         |                        |                  N/A |
+-----------------------------------------+------------------------+----------------------++-----------------------------------------------------------------------------------------+
| Processes:                                                                              |
|  GPU   GI   CI        PID   Type   Process name                              GPU Memory |
|        ID   ID                                                               Usage      |
|=========================================================================================|
|    0   N/A  N/A      4501      G   /usr/lib/xorg/Xorg                              4MiB |
|    0   N/A  N/A    166331      G   /usr/lib/xorg/Xorg                              4MiB |
|    0   N/A  N/A    276933      G   /usr/lib/xorg/Xorg                              4MiB |
|    0   N/A  N/A    374940      G   /usr/lib/xorg/Xorg                              4MiB |
|    1   N/A  N/A      4501      G   /usr/lib/xorg/Xorg                              4MiB |
|    1   N/A  N/A    166331      G   /usr/lib/xorg/Xorg                              4MiB |
|    1   N/A  N/A    276933      G   /usr/lib/xorg/Xorg                              4MiB |
|    1   N/A  N/A    374940      G   /usr/lib/xorg/Xorg                              4MiB |
|    2   N/A  N/A      4501      G   /usr/lib/xorg/Xorg                              4MiB |
|    2   N/A  N/A    166331      G   /usr/lib/xorg/Xorg                              4MiB |
|    2   N/A  N/A    276933      G   /usr/lib/xorg/Xorg                              4MiB |
|    2   N/A  N/A    374940      G   /usr/lib/xorg/Xorg                              4MiB |
|    3   N/A  N/A      4501      G   /usr/lib/xorg/Xorg                              4MiB |
|    3   N/A  N/A    166331      G   /usr/lib/xorg/Xorg                              4MiB |
|    3   N/A  N/A    276933      G   /usr/lib/xorg/Xorg                              4MiB |
|    3   N/A  N/A    374940      G   /usr/lib/xorg/Xorg                              4MiB |
+-----------------------------------------------------------------------------------------+

升級驅動

NVIDIA-SMI 470.161.03 Driver Version: 470.161.03

驅動與 CUDA 版本的兼容性限制
驅動版本 470.161.03 的 CUDA 支持上限為 11.4（可通過 NVIDIA 官方文檔或 nvidia-smi 輸出確認）。
若強行安裝 CUDA 11.8，會因驅動不兼容導致以下問題：

nvcc --version 可能顯示 CUDA 11.8，但實際運行時（如 nvidia-smi 或深度學習框架）會報錯。可能出
現類似 CUDA driver version is insufficient for CUDA runtime version 的錯誤。

升級目標版本：
推薦選擇 525.xx.xx 或 535.xx.xx（LTS 版本），穩定性更高。
避免選擇測試版驅動（如 545.xx.xx 的 RC 版本）

下載cuda

https://developer.nvidia.com/cuda-11-8-0-download-archive

安裝conda

安裝anaconda

# 下載 Miniconda 安裝腳本
wget https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh# 運行安裝腳本
bash Miniconda3-latest-Linux-x86_64.sh

默認指向自己的conda

修改 .bashrc 文件

打開 ~/.bashrc 文件，確保 Conda 環境路徑指向 Miniconda 的安裝路徑：

/home/xqlin/.bashrc

# >>> conda initialize for local miniconda >>>
export PATH="$HOME/miniconda3/condabin:$PATH"
__conda_setup="$($HOME/miniconda3/bin/conda 'shell.bash' 'hook' 2> /dev/null)"
if [ $? -eq 0 ]; theneval "$__conda_setup"
elseif [ -f "$HOME/miniconda3/etc/profile.d/conda.sh" ]; then. "$HOME/miniconda3/etc/profile.d/conda.sh"fi
fi
unset __conda_setup
# <<< end initialize >>>

檢查：
conda info --envs

(base) xqlin2@adc-SYS-4028GR-TR:~/studio/code/Cell/Virtual_Cell/mine$ conda info --envs# conda environments:
#
cell310                /home/xqlin2/.conda/envs/cell310
base                 * /home/xqlin2/miniconda3

初始化conda

在 Miniconda 安裝完后，需要初始化 Conda，使其自動配置 shell 環境。

conda init bash

這條命令會更新你的 .bashrc 文件，使 Conda 在每次打開終端時自動激活。

確認 conda.sh 被加載

source /home/lxq/miniconda3/etc/profile.d/conda.sh

安裝cuda-toolkit

直接安裝cuda-toolkit（高級的）

sudo apt install nvidia-cuda-toolkit

conda install cuda -c nvidia/label/cuda-11.8.0 -y
conda install cuda -c nvidia/label/cuda-12.8.0 -y

安裝高于cuda等級的cuda-toolkit

(medai310) xqlin@adc-SYS-4028GR-TR:~/studio$ conda install cuda -c nvidia/label/cuda-11.8.0 -y
...(medai310) xqlin@adc-SYS-4028GR-TR:~/studio$ nvidia-smi
Sat Jul 19 21:58:36 2025       
+-----------------------------------------------------------------------------+
| NVIDIA-SMI 470.161.03   Driver Version: 470.161.03   CUDA Version: 11.4     |
|-------------------------------+----------------------+----------------------+

驅動限制：由于驅動版本為 470.161.03，系統僅能識別到 CUDA 11.4 作為最高兼容版本，因此 nvidia-smi 顯示為 11.4。
Toolkit 安裝：Conda 安裝的 CUDA 11.8 Toolkit 可能已存在于環境中（可通過 nvcc --version 或 conda list 驗證），但受限于驅動，其高級功能（如新架構支持）無法生效。

無sudo權限安裝CUDA

不能sudo，可以安裝 cuda 11.8嗎？
【ref】linux 服務器無 sudo 權限非 root 用戶安裝特定版本 cuda——https://blog.csdn.net/qq_35831906/article/details/138415615

驗證nvcc（nvcc --version）

nvcc 是 NVIDIA CUDA Compiler（CUDA 編譯器）的簡稱。它是 CUDA Toolkit 中的一個核心工具，用于把 CUDA 源碼（.cu 文件）編譯成 GPU 可以執行的二進制代碼。

nvcc --version

(medai310) xqlin@adc-SYS-4028GR-TR:~/studio$ nvcc --version
nvcc: NVIDIA (R) Cuda compiler driver
Copyright (c) 2005-2022 NVIDIA Corporation
Built on Wed_Sep_21_10:33:58_PDT_2022
Cuda compilation tools, release 11.8, V11.8.89
Build cuda_11.8.r11.8/compiler.31833905_0

conda list | grep cuda

(ai310) xqlin@adc-SYS-4028GR-TR:~$ conda list | grep cuda
cuda                                    12.4.1           hb982923_0
cuda-cccl                               12.4.127         h06a4308_2
cuda-cccl_linux-64                      12.4.127         h06a4308_2

遷移env到新conda

把env復制粘貼到新的地方時，要做如此操作：

python -m ensurepip --upgrade
python -m pip install --upgrade pipconda activate env_namepip install ipykernelpython -m ipykernel install --user --name env_name --display-name "Python (env_name)"

配置環境

創建conda env（conda環境）

查看環境：

conda env list

創建環境：

conda create -n myenv python=3.8
conda activate myenv

創建.venv（標準的 Python 虛擬環境）

創建環境：

python3 -m venv .venv
# 或者指定版本
/usr/bin/python3.10 -m venv .venv

激活環境：

cd ~/studio/code/Cell/Virtual_Cell/state
source .venv/bin/activate

把.venv添加到vscode的jupyter中：

pip install ipykernel
python -m ipykernel install --user --name=venv --display-name "venv"

安裝加速源

pip添加鏡像源：

pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple

conda添加鏡像源：

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --set show_channel_urls yes

安裝torch

2.0.0+cu118

請添加圖片描述

下載torch（wget whl）

常用的版本：cu118
torch-2.0.0+cu118-cp310-cp310-linux_x86_64.whl
torch-2.6.0+cu118-cp310-cp310-linux_x86_64.whl
torch-2.7.0+cu118-cp310-cp310-manylinux_2_28_x86_64.whl

在 bash 中下載 whl 文件（網址：https://download.pytorch.org/whl/torch/）：

wget https://download.pytorch.org/whl/cu118/torch-2.0.0%2Bcu118-cp310-cp310-linux_x86_64.whl#sha256=4b690e2b77f21073500c65d8bb9ea9656b8cb4e969f357370bbc992a3b074764
wget https://download.pytorch.org/whl/cu118/torch-2.6.0%2Bcu118-cp310-cp310-linux_x86_64.whl#sha256=715d3b039a629881f263c40d1fb65edac6786da13bfba221b353ef2371c4da86
wget https://download.pytorch.org/whl/cu118/torch-2.7.0%2Bcu118-cp310-cp310-manylinux_2_28_x86_64.whl#sha256=8c25f2641ef57d55aeeb56f5d616186400119a400b0232281f963218ac1bc92b

然后 pip install 這個whl文件

安裝torch（pip whl）

或者，還可以直接用代碼安裝torch（下載 torch 的 whl 文件的官網：https://pytorch.org/get-started/previous-versions/）：

pip install torch==2.6.0 --index-url https://download.pytorch.org/whl/cu118

安裝torchvision和torchaudio

安裝torchvision或torchaudio時，可以去掉torch，并且加上--no-deps，防止重復下載

pip install torchvision==0.21.0 torchaudio==2.6.0 --no-deps --index-url https://download.pytorch.org/whl/cu118

在這里插入圖片描述

查看torch

pip list | grep torch

(medai310) xqlin@adc-SYS-4028GR-TR:/disk4/lxq_data/whl$ pip list | grep torch
torch                         2.0.0+cu118
torchaudio                    2.0.1+cu118
torchvision                   0.15.1+cu118

打印torch

import subprocess
# 檢查 nvcc 版本
try:nvcc_output = subprocess.check_output(["nvcc", "--version"], text=True)print("🛠? nvcc 信息:\n", nvcc_output)
except FileNotFoundError:print("? 未檢測到 nvcc（CUDA Toolkit 可能未安裝）")import torch
import torchvision
import torchaudioprint("🧠 PyTorch 版本:", torch.__version__)
print("🎨 Torchvision 版本:", torchvision.__version__)
print("🎵 Torchaudio 版本:", torchaudio.__version__)# 檢查 CUDA
if torch.cuda.is_available():print("? CUDA 可用: True")print(f"🎯 GPU 數量: {torch.cuda.device_count()}")for i in range(torch.cuda.device_count()):print(f"   └─ GPU {i}: {torch.cuda.get_device_name(i)}")
else:print("? CUDA 可用: False")print("? 當前環境未檢測到 GPU，將使用 CPU")

🛠? nvcc 信息:
nvcc: NVIDIA ? Cuda compiler driver
Copyright ? 2005-2022 NVIDIA Corporation
Built on Wed_Sep_21_10:33:58_PDT_2022
Cuda compilation tools, release 11.8, V11.8.89
Build cuda_11.8.r11.8/compiler.31833905_0
🧠 PyTorch 版本: 2.6.0+cu118
🎨 Torchvision 版本: 0.21.0+cu118
🎵 Torchaudio 版本: 2.6.0+cu118
? CUDA 可用: True
🎯 GPU 數量: 8
└─ GPU 0: NVIDIA GeForce RTX 2080 Ti
└─ GPU 1: NVIDIA GeForce RTX 2080 Ti
└─ GPU 2: NVIDIA GeForce RTX 2080 Ti
└─ GPU 3: NVIDIA GeForce RTX 2080 Ti
└─ GPU 4: NVIDIA GeForce RTX 2080 Ti
└─ GPU 5: NVIDIA GeForce RTX 2080 Ti
└─ GPU 6: NVIDIA GeForce RTX 2080 Ti
└─ GPU 7: NVIDIA GeForce RTX 2080 Ti

在這里插入圖片描述

ubuntu 18下載 pytorch 2.7

安裝其他庫

安裝cmake工具

這個錯誤提示 cmake: command not found，說明系統缺少 cmake 工具。pyarrow 依賴 cmake 來構建它的 C++ 代碼，因此你需要先安裝 cmake。

從源碼編譯安裝更高版本的 CMake

下載 CMake 3.25 或更高版本源碼
你可以從 CMake 的官網下載最新版本的源碼：
- CMake 官方下載鏈接
解壓源碼并進入目錄
假設你下載的文件是 cmake-3.25.0.tar.gz，使用以下命令：
```
tar -zxvf cmake-3.25.0.tar.gz
cd cmake-3.25.0
```
編譯并安裝到用戶目錄
安裝到用戶目錄（如 $HOME/cmake），避免需要 sudo 權限：
```
./bootstrap --prefix=$HOME/cmake
make
make install
```
更新環境變量
安裝完成后，你需要確保新的 cmake 路徑在 PATH 中：
```
export PATH=$HOME/cmake/bin:$PATH
```
驗證安裝
確保 cmake 安裝成功且版本正確：
```
cmake --version
```

然后再試著安裝 pyarrow，這應該能解決版本問題。如果有任何問題，隨時告知我！

xformers

pip install -U --no-deps xformers --index-url https://download.pytorch.org/whl/cu118

查看安裝的庫的位置

可以通過 pip install -e . 或等效命令（如 uv tool install -e .）把項目安裝為 editable 模式

import state; print(state.__file__)

(cell310) xqlin@adc-SYS-4028GR-TR:~/studio/code/Cell/Virtual_Cell/state$ python -c "import state; print(state.__file__)"
/home/xqlin/studio/code/Cell/Virtual_Cell/state/src/state/__init__.py

此外，為了在 PyPI 上避免包名沖突，同時保持用戶導入時模塊名簡潔清晰，開發者常常使用安裝名 ≠ 導入名（arc-state ≠ state）的做法。這是 Python 社區廣泛采用的一種慣例。

兼容分布式訓練

PyTorch 分布式訓練加載權重

Singularity

你這邊是在一個 GPU服務器環境下運行，有多個 GPU，且不屬于 Slurm 或 HPC 集群，說明你是自己可以控制的服務器（或者至少管理員權限較高、不強制要求使用 Singularity）——

🔔 結論：你 ? 完全可以不使用 Singularity，直接用 Anaconda 虛擬環境或者 pip 環境運行你的 DINOv2 微調和分類任務即可。

ShardedTensor

PyTorch DistributedTensor (DTensor) 是一種使用分布式張量原語進行原型設計的 API，可以更簡單的在 SPMD（單程序多設備）范例中創作分布式計算。當使用 shard 和 replicate 策略來表達張量分布時，這些原語很簡單但功能強大。 PyTorch DTensor 支持 PyTorch Tensor Parallelism 以及其他高級并行性策略。此外，它還提供了一種統一的方式來保存/加載 state_dict 以用于分布式模型狀態保存。支持多個分布式策略相結合，例如結合張量并行與參數分片，即 2D-Parallel（DP+TP）。關于這部分的內容 PyTorch 在 2021 年的 RFC 中 ShardedTensor 已經開始了設計，ShardedTensor 被初始化并以類似 SPMD 的方式使用。基本上每個節點都有一個 ShardedTensor 實例，它保存本地分片以及整個 Tensor 的全局信息（例如：所有分片及其遠程設備）。

存儲數據集

存儲位置

一般存在disk盤中

(base) xqlin@adc-SYS-4028GR-TR:/$ ls
bin   cdrom  disk1  disk3  etc   initrd.img      lib    lost+found  mnt  old_home  proc  run   snap  swapfile  tmp  var      vmlinuz.old
boot  dev    disk2  disk4  home  initrd.img.old  lib64  media       NAS  opt       root  sbin  srv   sys       usr  vmlinuz

查看磁盤空間

df -h
du -sh /disk4/heyan_miccai_survival

修改權限

chmod
讀（r）、寫（w）、執行（x）

chmod：修改文件或目錄權限的命令（Change Mode）。
770：三位八進制數字，分別定義所有者（Owner）、所屬組（Group）和其他用戶（Others）的權限。
/disk4/lxq_data：目標目錄路徑。

(base) xqlin@adc-SYS-4028GR-TR:/$ ls -ld /disk4/lxq_data
drwxrwxr-x 4 xqlin xqlin 4096 7月  17 19:06 /disk4/lxq_data
(base) xqlin@adc-SYS-4028GR-TR:/$ chmod 770 /disk4/lxq_data
(base) xqlin@adc-SYS-4028GR-TR:/$ ls -ld /disk4/lxq_data
drwxrwx--- 4 xqlin xqlin 4096 7月  17 19:06 /disk4/lxq_data

ubuntu終端的基本操作

在Ubuntu終端中進行基本操作是Ubuntu系統使用的基礎。以下是一些基本的操作步驟，幫助你開始使用Ubuntu終端：

打開終端

通過圖形界面：你可以通過在Ubuntu桌面的搜索欄中輸入“Terminal”或“終端”，然后點擊打開。

快捷鍵：你也可以通過快捷鍵Ctrl + Alt + T快速打開終端。

復制粘貼

?圖形界面下的快捷鍵?：
?復制?：Ctrl + C
?粘貼?：Ctrl + V
適用于大多數圖形應用程序（如文本編輯器、瀏覽器等）。??
?終端環境下的快捷鍵?：
?復制?：Ctrl + Shift + C
?粘貼?：Ctrl + Shift + V

基本命令

查看當前目錄內容：輸入ls命令，按回車。這會列出當前目錄下的所有文件和文件夾。

改變目錄：使用cd命令后跟目錄的路徑來改變當前工作目錄。例如，cd Documents會將你帶到Documents文件夾。使用cd ~可以回到你的主目錄，而cd …可以讓你回到上一級目錄。

創建目錄：使用mkdir命令后跟目錄名來創建一個新目錄。例如，mkdir newfolder會創建一個名為newfolder的目錄。

創建文件：你可以使用touch命令后跟文件名來創建一個空文件。例如，touch newfile.txt會創建一個名為newfile.txt的文件。

刪除文件：使用rm命令后跟文件名來刪除文件。例如，rm newfile.txt會刪除名為newfile.txt的文件。注意，這會永久刪除文件，沒有回收站。

刪除目錄：使用rmdir命令后跟目錄名來刪除空目錄。如果要刪除非空目錄，可以使用rm -r 目錄名。例如，rm -r newfolder會刪除名為newfolder的目錄及其內容。

復制文件或目錄：使用cp命令，例如，cp source.txt destination.txt會將文件從源位置復制到目標位置。如果是復制整個目錄，可以使用cp -r 目錄名目標目錄名。

移動或重命名文件/目錄：使用mv命令，例如，mv oldname.txt newname.txt會將文件重命名或移動到新位置。

退出終端

輸入exit或按Ctrl + D可以退出終端會話。

以上是一些Ubuntu終端的基本操作。隨著你對命令行的熟悉，你可以探索更多高級功能和工具，如管道（pipe）、文本處理工具（如grep, awk, sed）等。這些工具可以幫助你更高效地處理文本和文件。

特殊功能

終端自動補全（Tab 補全）
終端支持 Tab 鍵自動補全命令、文件名、路徑等，提高輸入效率。

示例：
輸入 cd /usr/lo 后按 Tab，會自動補全為 cd /usr/local/。
輸入 apt inst 后按 Tab，會自動補全為 apt install。

ubuntu的用戶注冊

登錄

(base) PS C:\Users\lenovo> ssh xqlin@59.77.5.136 -p 8001
Enter passphrase for key ‘C:\Users\lenovo.ssh\id_rsa’:…

創建與刪除

Ubuntu創建新用戶
https://blog.csdn.net/winycg/article/details/134428846

（1）在Ubuntu中創建新用戶需要以管理員身份進行操作。因此，我們需要運行以下命令將當前用戶提升為管理員：
sudo su

（2）在管理員身份下，使用以下命令創建一個新用戶：
adduser username
其中，username代表你要創建的新用戶的用戶名，按照提示輸入新用戶的密碼即可。如果需要在新用戶創建過程中添加更多信息，如全名、電話號碼等，也可以按照提示進行輸入。

（3）為新用戶設置sudo權限：
創建用戶后，可以將其添加到 sudo 組，就可以將其轉為 sudo 用戶。要將用戶添加到 sudo 組，需要使用 -aG 組合選項。使用 -a 選項是為了確保向組中“追加”。
sudo usermod -aG sudo <username>
在上面的命令中：
usermod 更改用戶的屬性和權限；
-a 選項表示將用戶追加到給定組，但是不將其從現有組中刪除。如果沒有 -a 選項，該用戶將會被從其現有組中刪除；
-G 選項列明要添加用戶的組，在我們的例子中，它是 “sudo”。

（4）刪除用戶：
刪除用戶但是保留用戶文件：
sudo userdel <username>
刪除用戶及用戶所有文件（/home/username/路徑下的所有文件）：
sudo userdel -r <username>

進入與退出

su - newuser（我的用戶）
su - ubuntu（主用戶）

賦予權限

在ubuntu賬戶中使用lxq賬戶

sudo chown ubuntu /home/lxq

返還權限給lxq賬戶

sudo chown lxq /home/lxq

ubuntu的文件處理

解壓文件

驗證 ZIP 內部結構（可選）
如果不確定 ZIP 文件內部結構，可以先查看：

unzip -l /disk4/lxq_data/dataset/Colorectal/CRC100K/NCT-CRC-HE-100K.zip | head -n 10

這會列出 ZIP 文件的前10個條目，幫助你判斷是否需要創建頂層目錄。

unzip /disk4/lxq_data/dataset/Colorectal/CRC100K/NCT-CRC-HE-100K.zip -d /disk4/lxq_data/dataset/Colorectal/CRC100K/

-d 指定解壓目標目錄（如果不指定，默認解壓到當前目錄）

unzip /disk4/lxq_data/dataset/Colorectal/CRC100K/NCT-CRC-HE-100K.zip

打印文件目錄

打印一級目錄

ls -ld /disk4/lxq_data/dataset/Colorectal/CRC100K/NCT-CRC-HE-100K/*/

打印所有目錄

find /home/xqlin/studio/pth/Colorectal -type f
find /disk4/lxq_data/dataset/Colorectal/CRC100K/NCT-CRC-HE-100K -type f

find /disk4/lxq_data/dataset/WSI/TCGA/clinical/00b9eb65-04c6-4d62-9cf6-6b77d75ab79b | sed 's|[^/]*/|│   |g;s|│   \([^│]\)|├── \1|'

temp：

find "H:\千佛山CRC總" | sed 's|[^/]*/|│   |g;s|│   \([^│]\)|├── \1|'

打印目錄樹結構（進入某一個文件夾后）

cd /home/xqlin/studio/code/Cell/Virtual_Cell/state/src
find . -print | sed -e "s;[^/]*/;|----;g" -e "s;^\./;;" | sed '/^\s*$/d'

查看文件內容

查看文本文件內容：使用cat 文件名命令可以查看文本文件的內容。例如，cat example.txt。

查看大文件的開頭部分：使用head 文件名可以查看文件的開頭幾行（默認是前10行）。

查看大文件的末尾部分：使用tail 文件名可以查看文件的末尾幾行（默認是最后10行）。

查找文件或目錄

使用find命令：使用find 路徑 -name "文件名"可以搜索指定路徑下的文件或目錄。例如，find /home -name "example.txt"會在用戶的主目錄下搜索名為example.txt的文件。

ubuntu的文件傳輸

window如何快速向ubuntu傳文件

ubuntu與todesk

直接傳到內網很慢

ubuntu與百度云

先傳到公網，再直接下載到內網可能比較快

ubuntu命令行方式下載百度網盤文件 - 正經學社的文章 - 知乎——https://zhuanlan.zhihu.com/p/715462573

(medai310) xqlin@adc-SYS-4028GR-TR:/disk2/lxq/dataset/IHC$ bypy info
Please visit:
https://openapi.baidu.com/oauth/2.0/authorize?client_id......
And authorize this app
Paste the Authorization Code here within 10 minutes.
Press [Enter] when you are done

先把文件上傳到“我的應用數據/bypy”

bypy list #查看目錄下列表

bypy downfile data_IHC

bypy downfile “dinov2_CKPT.zip” ./
bypy downfile “NCT-CRC-HE-100K.zip” ./

ubuntu與遠程連接

apt工具

apt 是 Ubuntu 及其衍生 Linux 發行版中的核心包管理工具，用于安裝、更新、卸載和管理軟件包，其全稱為 Advanced Packaging Tool（高級包管理工具）。以下是關于 apt 的詳細介紹：

一、apt 的核心功能
安裝軟件包
使用 sudo apt install <package_name> 安裝指定軟件包及其依賴項。
示例：安裝 Firefox 瀏覽器
bash
sudo apt install firefox

檢查占用鎖文件的進程
如果系統提示 /var/lib/dpkg/lock-frontend 被占用，直接查找鎖文件的使用情況：

bash
sudo lsof /var/lib/dpkg/lock-frontend 2>/dev/null

(base) ubuntu@ubun:~$ sudo lsof /var/lib/dpkg/lock-frontend 2> /dev/null
COMMAND PID USER FD TYPE DEVICE SIZE/OFF NODE NAME
aptd 2843154 root 26u REG 259,3 0 90702343 /var/lib/dpkg/lock-frontend
aptd 2843154 root 32u REG 259,3 0 90702343 /var/lib/dpkg/lock-frontend
apt 4153478 root 4uW REG 259,3 0 90702343 /var/lib/dpkg/lock-frontend

sudo kill -9 2843154 4153478

總結
終止占用進程：
bash
sudo kill -9 2843154 4153478
刪除鎖文件：
bash
sudo rm /var/lib/dpkg/lock*
修復包管理器：
bash
sudo dpkg --configure -a
sudo apt --fix-broken install
重新嘗試 apt 命令：
bash
sudo apt update # 或其他你原本想執行的命令
執行后，你的 apt 命令應該可以正常運行！ 🚀

ssh協議

OpenSSH

生成公私鑰

生成公私鑰：希望重新生成一對公私鑰并發送公鑰，以下是針對“怎么生成公私鑰”的常見方法說明（以Windows系統下使用OpenSSH為例，也可用于其他支持場景）：

一、生成公私鑰步驟
打開命令提示符（CMD）或PowerShell
按下 Win + R，輸入 cmd 或 powershell，回車。

生成密鑰對
輸入以下命令，按提示操作：
bash
ssh-keygen -t rsa -b 4096 -C “your_email@example.com”
-t rsa：指定使用RSA算法（也可用 ed25519 等更現代的算法）。
-b 4096：密鑰長度（RSA推薦4096位）。
-C “注釋”：可選注釋（如郵箱），方便識別。

設置保存路徑和密碼（可選）
系統會提示輸入保存路徑，默認在 C:\Users\你的用戶名.ssh\id_rsa（私鑰）和 id_rsa.pub（公鑰）。
可設置密碼（Passphrase），增加安全性（直接回車則不設置）。

確認生成
生成完成后，會顯示密鑰指紋和隨機藝術圖。

二、獲取公鑰內容

查看公鑰文件
打開 id_rsa.pub 文件（用記事本或其他文本編輯器）。
或通過命令顯示內容：
bash
type ~/.ssh/id_rsa.pub

復制公鑰
全選內容并復制，發送給幸（如通過聊天工具粘貼）。

vscode

vscode連接ubuntu服務器(圖形化的)
Vscode連接VM Ubuntu ssh配置
https://zhuanlan.zhihu.com/p/703021988

注意，很多服務器只能兼容1.85以下的版本的vscode，如果版本過高，將無法聯通ssh！

Version: 1.85.2
Commit: 8b3775030ed1a69b13e4f4c628c612102e30a681
Date: 2024-01-18T06:40:10.514Z
Electron: 25.9.7
ElectronBuildId: 26354273
Chromium: 114.0.5735.289
Node.js: 18.15.0
V8: 11.4.183.29-electron.0
OS: Windows_NT x64 10.0.26100