选择环境与 Linux 入门

这一节从零开始：选一个 Linux 环境，学会在终端里工作。之后依次配置服务器、Python、GPU、Git、Docker 和 AI 编程助手，按顺序做下来就能开始实验。

为什么要用 Linux

课题组的服务器、集群、Jetson 设备都运行 Ubuntu（一种 Linux 发行版），vLLM 等大部分 AI 系统软件也只在 Linux 上完整支持。所以你需要一个 Ubuntu 环境，并学会用命令行操作它。

选择你的环境

你的情况	推荐方案	说明
Windows 电脑（最常见）	WSL2 + Ubuntu 24.04	在 Windows 里直接运行 Ubuntu，轻量，可以调用本机 NVIDIA 显卡
Mac	终端本身就是类 Unix 环境；需要 Linux 时用 OrbStack	Mac 没有 CUDA，GPU 实验必须在服务器或云 GPU 上做
想体验完整的 Linux 桌面，或要学 K8s 多节点	VMware Workstation 或 VirtualBox 虚拟机	虚拟机里用不了本机显卡
已经有实验室服务器账号	直接 SSH 登录，见使用服务器	本地只需要终端和 VS Code

Ubuntu 版本：推荐 24.04 LTS，22.04 仍然可用。26.04 LTS 已经发布，但部分深度学习软件的适配会滞后一段时间，入门阶段不建议用。

方案一：WSL2（Windows 推荐）

要求：推荐 Windows 11。Windows 10 已于 2025 年 10 月结束官方支持，较新的版本仍能使用 WSL2，但不再有安全更新。

1. 安装：右键开始菜单，打开“终端（管理员）”或 PowerShell（管理员），运行：

   wsl --install -d Ubuntu-24.04

2. 重启电脑。重启后会自动打开 Ubuntu 窗口，按提示设置 Linux 用户名和密码（输入密码时屏幕不显示字符，这是正常的）。

3. 更新软件包：

   sudo apt update && sudo apt upgrade -y

4. 装一个好用的终端：从 Microsoft Store 安装 Windows Terminal（Windows 11 自带），在下拉菜单里选 Ubuntu 打开。

5. 配合 VS Code：在 Windows 上安装 VS Code 和 WSL 插件。在 Ubuntu 终端里进入项目目录后运行 code .，就会用 VS Code 打开 Linux 里的文件夹。

6. GPU：在 Windows 上安装最新的 NVIDIA 显卡驱动，然后在 WSL 里运行 nvidia-smi，能看到显卡就说明可以用了。不要在 WSL 里安装 Linux 版显卡驱动，这是最常见的错误，会导致 GPU 无法使用。详见 GPU 与 CUDA。

文件放在哪里：项目文件放在 Linux 的家目录（~）下，不要放在 /mnt/c/...（Windows 的 C 盘）里，跨系统读写会慢好几倍。需要在 Windows 资源管理器里看 Linux 文件时，在地址栏输入 \\wsl$。

方案二：Mac

1. 打开“终端”（或安装 iTerm2），Mac 默认的 shell 是 zsh，下面的大部分命令都能直接用。
2. 安装包管理器 Homebrew，之后用 brew install git wget 这样的命令装软件。
3. 需要 Linux 或 Docker 时安装 OrbStack。
4. Apple 芯片的 Mac 可以用 PyTorch 的 MPS 后端做小规模实验，也能用 Ollama 在本地跑小模型；但 vLLM、CUDA 相关的实验要在服务器上做。

方案三：虚拟机

1. 安装 VMware Workstation（个人使用免费）或 VirtualBox。
2. 下载 Ubuntu 24.04 Desktop 镜像并安装，建议分配 4 核 CPU、8 GB 内存、80 GB 磁盘。
3. 网络配置：要让本机和虚拟机能互相访问，网络模式选“桥接”（虚拟机像局域网里一台独立的电脑）；只需要虚拟机上网的话用默认的 NAT 即可。用 ip addr 查看虚拟机 IP，在两边互相 ping 测试连通性。

终端入门

基本概念

概念	说明
终端 / Shell	输入命令的地方。Ubuntu 默认的 shell 是 bash，Mac 是 zsh，用法基本相同
提示符	类似 zhangsan@lab:~/project$，依次是用户名、主机名、当前目录
命令格式	命令 选项 参数，例如 ls -l /home：命令是 ls，选项 -l 表示详细列表，参数是目录
路径	绝对路径从 / 开始；~ 是家目录，. 是当前目录，.. 是上一级目录
隐藏文件	以 . 开头的文件，如 ~/.bashrc，用 ls -a 才能看到

必会的快捷操作

• Tab：自动补全命令和路径，按两下列出所有可能。少打字、少出错。
• ↑ / ↓：翻看历史命令。Ctrl+R 搜索历史命令。
• Ctrl+C：中断正在运行的程序。
• Ctrl+L 或 clear：清屏。
• 不知道一个命令怎么用：命令 --help 或 man 命令。

常用命令

pwd                         # 显示当前目录
ls -lh                      # 列出文件（-l 详细，-h 大小用 K/M/G 显示）
cd ~/project                # 进入目录；cd .. 返回上一级；cd - 返回上一个目录
mkdir -p data/raw           # 创建目录（-p 自动创建中间目录）
cp a.txt b.txt              # 复制；cp -r 复制目录
mv a.txt docs/              # 移动或重命名
rm a.txt                    # 删除；rm -r 删除目录。没有回收站，删了就没了，慎用
cat / less / head / tail    # 查看文件：全部 / 分页 / 开头 / 结尾
tail -f train.log           # 持续查看日志的最新内容
grep -rn "关键词" .          # 在当前目录递归搜索文本
find . -name "*.py"         # 按文件名查找
du -sh *                    # 每个文件和目录的大小
df -h                       # 磁盘剩余空间
top / htop                  # 进程和资源占用（q 退出）
ps aux | grep python        # 查找进程
kill <PID>                  # 结束进程
wget / curl -O <网址>        # 下载文件
tar -xzf a.tar.gz           # 解压

想查中文说明，可以用 Linux 命令大全。

管道与重定向

python train.py > train.log 2>&1   # 把输出和错误都写进文件
python train.py | tee train.log    # 同时显示在屏幕上和写进文件
cat results.csv | grep "ours" | wc -l   # 管道：前一个命令的输出作为后一个的输入

环境变量与 PATH

环境变量是传给程序的配置。最重要的是 PATH：输入一个命令时，系统会到 PATH 列出的目录里找这个程序。

echo $PATH                         # 查看
export HF_ENDPOINT=https://hf-mirror.com   # 设置（只对当前终端有效）
echo 'export HF_ENDPOINT=https://hf-mirror.com' >> ~/.bashrc   # 写进配置文件，以后每次打开终端都生效
source ~/.bashrc                   # 让配置文件立即生效
which python                       # 查看当前用的是哪个 python

Mac 默认的 shell 是 zsh，配置文件是 ~/.zshrc，把上面的 ~/.bashrc 换成它。

“明明装了却提示 command not found”，通常就是程序所在的目录不在 PATH 里。

权限与软件安装

• sudo 命令：以管理员身份执行。只在自己的电脑或虚拟机上用；在共享服务器上通常没有 sudo 权限，软件装在自己的用户目录里（Python 包用 uv 或 conda）。
• sudo apt install 软件名：在 Ubuntu 上安装系统软件，例如 sudo apt install git htop tmux。
• chmod +x run.sh：给脚本加上可执行权限，然后用 ./run.sh 运行。

练习（30 分钟）

1. 在家目录下创建 practice/data 目录，进入 practice。
2. 用 wget 或 curl 下载任意一个 CSV 文件到 data/。
3. 用 head 看前 5 行，用 wc -l 数一共多少行。
4. 写一个 Python 脚本打印 “hello”，用 python hello.py > out.txt 运行，再用 cat 查看结果。
5. 用 history | tail -20 回顾你刚才敲过的命令。

学习资料

• The Missing Semester of Your CS Education：MIT 的计算机工具课，2026 年版讲 shell、命令行环境、开发工具、调试、版本控制、打包，还新增了用 AI 智能体写代码的内容。强烈推荐看完。早年的版本（2020 版）有中文翻译和 B 站字幕版，可以配合着看。
• 《Linux 命令行大全》（The Linux Command Line，William Shotts，作者网站可免费阅读英文版）。

国内网络加速

资源	加速方法
pip / uv	清华源：pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple；uv 用环境变量 export UV_DEFAULT_INDEX=https://pypi.tuna.tsinghua.edu.cn/simple，见 Python 环境
conda	使用 conda-forge 的清华镜像，见 Python 环境
Hugging Face 模型	设置 export HF_ENDPOINT=https://hf-mirror.com 后用 hf download 下载；镜像不可用时改用 ModelScope
ModelScope 模型	国内直连：modelscope download --model Qwen/Qwen3-0.6B --local_dir ./models/Qwen3-0.6B
GitHub	网络不稳定时用 SSH 的 443 端口，见 Git 与 GitHub
Docker 镜像	国内拉取 Docker Hub 经常失败，需要配置镜像加速地址
apt 软件源	把 Ubuntu 软件源换成清华镜像