ubuntu22.04机器学习搭建环境

配置 Ubuntu 22.04 上的机器学习开发环境
安装基础工具和依赖项
为了确保系统的编译和其他必要操作能够顺利进行，建议先安装一些基本的构建工具。执行以下命令可以完成这些软件包的安装：
sudo apt update && sudo apt upgrade -y
sudo apt install build-essential gcc g++ make -y
登录后复制
这一步骤提供了编译源码所需的全部组件[^1]。
安装 Nvidia 显卡驱动程序
对于大多数深度学习框架而言，GPU 加速是提高训练速度的关键因素之一。因此，在拥有 NVIDIA GPU 的情况下，应该优先考虑安装相应的显卡驱动程序。具体过程如下所示：

添加官方 PPA 并更新本地索引；
使用 apt 命令下载并安装最新的稳定版驱动；

sudo add-apt-repository ppa:graphics-drivers/ppa
sudo apt-get update
sudo ubuntu-driver autoinstall
登录后复制
确认已成功加载新驱动之后重启计算机以使更改生效[^3]。
CUDA Toolkit 和 cuDNN 库部署
CUDA 是由 NVIDIA 开发的一个平行计算平台及应用编程接口(API)，它允许开发者利用图形处理单元(GPU)来进行通用目的运算。而cuDNN 则是一套针对神经网络优化过的高性能基元函数库。两者都是加速深度学习模型训练不可或缺的部分。
访问NVIDIA官网，按照页面提示选择合适的版本号后获取对应的APT仓库地址，并将其加入到 /etc/apt/sources.list.d/ 文件夹下的 .list 文件中去。接着运行下面这条指令即可自动完成整个安装流程:
wget https://developer.download.nvidia.com/compute/cuda/repos/ubuntu2204/x86_64/cuda-keyring_1.0-1_all.deb
sudo dpkg -i cuda-keyring_1.0-1_all.deb
sudo apt-get update
sudo apt-get -y install cuda
登录后复制
同样地，对于 cuDNN 来说也可以采取相似的方式——即前往官方网站寻找适用于当前系统的离线安装包链接，再借助于上述方法实现快速部署。
Anaconda 发行版 Python 及其虚拟环境创建
Anaconda 是一个开源的数据科学平台，内含大量预编译好的科学计算、数据分析等相关领域常用Python模块。通过Anaconda管理不同项目的独立工作空间不仅有助于减少冲突风险，而且还能简化依赖关系管理工作量。
首先从官网上挑选适合自己的安装文件形式（推荐采用.sh脚本），随后依照终端中的指示逐步完成初始化配置任务。最后记得激活base根目录下默认存在的 conda 虚拟环境以便后续操作：
bash ~/Downloads/Anaconda3-latest-Linux-x86_64.sh
source ~/.bashrc
conda activate base
登录后复制
此时便可以在该环境中运用 Conda 工具链轻松安装 TensorFlow 或 PyTorch 这样的主流深度学习框架了。例如要建立一个新的名为 "ml_env" 的专属项目区，则只需输入下列语句就能一键搞定所有事情：
conda create --name ml_env python=3.9 tensorflow-gpu pytorch torchvision torchaudio cudatoolkit=11.3 -c pytorch -c nvidia
登录后复制
以上就是关于如何在 Ubuntu 22.04 LTS 版本操作系统之上建立起一套完整的机器学习开发环境的大致介绍。