给电脑安装Ubuntu系统后,经常需要进行一些重复的配置和安装,本文正好做一下记录,节约以后重装的时间。
开启SSH
我把这个放在第一位,是因为,开启SSH后,就可以原理Ubuntu主机,用自己的MacBook进行配置了。
Ubuntu系统默认是没有SSH服务的,故要检查SSH服务是否已安装。打开终端输入以下指令:
ps -e | grep ssh
安装SSH客户端和服务端
sudo apt-get install openssh-client openssh-server
启动ssh服务
sudo /etc/init.d/ssh start
启动完毕后,就可以使用ssh来操作服务器了
设置root用户密码
Ubuntu的默认root密码是随机的,即每次开机都有一个新的root密码。我们可以在终端输入命令 sudo passwd,然后输入当前用户的密码,按照提示设置root用户的密码
替换apt-get为国内源
1、原文件备份
sudo cp /etc/apt/sources.list /etc/apt/sources.list.bak
2、编辑源列表文件
sudo vi /etc/apt/sources.list
3、将原来的列表删除,添加如下内容(中科大镜像源)
deb http://mirrors.ustc.edu.cn/ubuntu/ xenial main restricted universe multiverse
deb http://mirrors.ustc.edu.cn/ubuntu/ xenial-security main restricted universe multiverse
deb http://mirrors.ustc.edu.cn/ubuntu/ xenial-updates main restricted universe multiverse
deb http://mirrors.ustc.edu.cn/ubuntu/ xenial-proposed main restricted universe multiverse
deb http://mirrors.ustc.edu.cn/ubuntu/ xenial-backports main restricted universe multiverse
deb-src http://mirrors.ustc.edu.cn/ubuntu/ xenial main restricted universe multiverse
deb-src http://mirrors.ustc.edu.cn/ubuntu/ xenial-security main restricted universe multiverse
deb-src http://mirrors.ustc.edu.cn/ubuntu/ xenial-updates main restricted universe multiverse
deb-src http://mirrors.ustc.edu.cn/ubuntu/ xenial-proposed main restricted universe multiverse
deb-src http://mirrors.ustc.edu.cn/ubuntu/ xenial-backports main restricted universe multiverse
4、编辑完毕后,运行下面命令
sudo apt-get update
更新ubutu并安装常用的工具
apt-get update && apt-get upgrade && apt-get dist-upgrade
sudo apt install python3 python python-minimal python3-dev python3-pip python-pip git htop vim glances autojump lrzsz tree yum net-tools yum-utils
替换pip源为国内源
之前写过一篇文章:
这里不再赘述。
Jupyter编辑器配置
jupyter配置包包括以下三方面:
- jupyter远程登录配置
- jupyter主题修改
- jupyter插件设置
上述三个方面,之前写过一篇文章:
Mac、Windows环境下使用Jupyter编辑器进行远程开发
这里不再赘述。
关闭Ubuntu防火墙
配置好jupyter编辑器,重启之后,远程依然无法访问jupyter编辑器,这是因为ubuntu存在防火墙,使用下面的命令关闭防火墙就好了。
sudo ufw disable
安装显卡驱动、CUDA、CUDNN
接下来安装深度学习必备的显卡驱动、CUDA、CUDNN这三部分,之前写过一篇文章:
(亲测可用)Ubuntu 18.04+ NVIDIA显卡GeForce GTX 1070ti+CUDA9.0搭建tensorflow-gpu深度学习环境
这里不再赘述。
安装Anconda
进入:Anconda官网 或 清华大学 下载anconda最新版本。
需要注意的是,清华大学已经不再更新Anconda,但下载速度较Anconda官网要快很多。我从清清华大学下载的:Anaconda3-5.3.1-Linux-x86_64.sh。
下载完毕后,执行下面命令进行安装。
sh ./Anaconda3-5.3.1-Linux-x86_64.sh
按照向导逐步安装即可,安装完成后,重启终端,执行
which python
看看配置是否生效,出现类似 ~/anaconda3/bin/python就是配置生效了,更换anaconda同步源,加快更新和包的安装。
由于清华大学源不再更新,这里设置的是腾讯源。
conda config --add channels https://mirrors.cloud.tencent.com/anaconda/pkgs/free/
conda config --add channels https://mirrors.cloud.tencent.com/anaconda/pkgs/main/
conda config --set show_channel_urls yes
安装宝塔面板
宝塔面板,是一个非常方便的运维工具,使用一条命令就可以安装好了。
wget -O install.sh http://download.bt.cn/install/install-ubuntu_6.0.sh && sudo bash install.sh
其他的一些配置
硬盘挂载:https://blog.csdn.net/wshixinshouaaa/article/details/81275608