快速搭建Ubuntu22.04深度学习开发环境：Anaconda+CUDA11.0+PyCharm一步到位

最新推荐文章于 2026-07-15 15:47:40 发布

原创

最新推荐文章于 2026-07-15 15:47:40 发布 · 1.2k 阅读

从零到一：在Ubuntu 22.04上构建高效、可复现的深度学习工作站

最近几年，深度学习的门槛看似在降低，各种云端服务和一键脚本层出不穷。但真正想在一个稳定、可控、能长期迭代项目的本地环境里工作，自己动手搭建一套开发环境依然是绕不开的必修课。尤其是当你需要调试底层代码、处理特定版本的依赖，或者单纯想拥有一个不受网络和算力租赁费用困扰的“大本营”时，一个配置得当的本地工作站价值巨大。

这篇文章，就是为你准备的实战手册。我们不谈空洞的理论，也不做简单的命令罗列，而是聚焦于在Ubuntu 22.04 LTS这个长期支持版上，构建一个以Anaconda为核心环境管理器、CUDA为计算加速基石、PyCharm为高效开发利器的深度学习工作站。整个过程我会融入大量实际配置中的“坑点”和优化技巧，目标是让你搭建的环境不仅是“能用”，更是“好用”、“耐用”和“易于迁移”的。无论你是刚接触Linux的研究生，还是需要为新项目快速部署环境的工程师，相信都能从中找到清晰的路径。

1. 系统准备与驱动安装：打好地基

在开始安装任何深度学习框架之前，一个干净、稳定的系统基础是成功的一半。Ubuntu 22.04 LTS本身已经提供了优秀的开箱即用体验，但我们仍需进行一些针对性优化。

1.1 系统更新与基础工具链

安装完系统后，第一件事永远是更新软件包列表并升级现有软件。这能确保你从最新的软件源获取组件，减少潜在的依赖冲突。

sudo apt update && sudo apt upgrade -y

接下来，安装一些后续步骤中不可或缺的开发工具和库。build-essential 包含了GCC编译器、make等核心编译工具；software-properties-common 便于添加PPA软件源；而curl、wget、git、vim则是日常开发的瑞士军刀。

sudo apt install -y build-essential software-properties-common curl wget git vim

提示：如果你在虚拟机或某些云服务器上操作，可能需要先安装open-vm-tools或相应的虚拟化增强工具，以确保剪贴板共享、文件拖放等功能正常。

1.2 NVIDIA显卡驱动的“无痛”安装

对于深度学习而言，NVIDIA显卡及其驱动是性能的灵魂。Ubuntu 22.04自带的“附加驱动”工具已经非常成熟，它能够自动检测硬件并推荐最合适的专有驱动，这通常比手动从NVIDIA官网下载.run文件安装要稳定和方便得多。

打开“软件和更新”应用。
切换到“附加驱动”标签页。
系统会自动扫描并列出可用的NVIDIA驱动版本。通常会提供一个标记为“专有、已测试”的推荐版本（例如nvidia-driver-535）。
选择这个推荐版本，点击“应用更改”。系统会自动下载并安装驱动，期间可能需要重启。

安装完成后，打开终端，通过以下命令验证驱动是否安装成功：

nvidia-smi

你应该能看到一个类似下表的输出，其中包含了显卡型号、驱动版本、CUDA版本（这里是驱动内建的最高支持CUDA版本，并非已安装的CUDA工具包）以及GPU的实时状态。

+-----------------------------------------------------------------------------+
| NVIDIA-SMI 535.161.07   Driver Version: 535.161.07   CUDA Version: 12.2     |
|-------------------------------+----------------------+----------------------+
| 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 ...  Off  | 00000000:01:00.0  On |                  N/A |
|  0%   45C    P8    10W / 250W |    512MiB / 12288MiB |      0%      Default |
|                               |                      |

标签