香港VPS Ubuntu 22.04机器学习环境搭建教程

一、准备工作

搭建前需确认已准备好香港VPS，系统版本为Ubuntu 22.04。同时需确保VPS内存和存储空间充足，满足后续安装与运行需求。建议提前熟悉基础Linux命令行操作，如文件管理、包管理等，能更流畅完成后续步骤。

二、系统更新与依赖安装

首次登录后先更新系统，打开终端执行以下命令：

sudo apt update
sudo apt upgrade -y

更新完成后安装必要依赖库，这些库是机器学习框架运行的基础：

sudo apt install -y build-essential cmake git curl wget unzip libopenblas-dev liblapack-dev libjpeg-dev libpng-dev libtiff-dev libavcodec-dev libavformat-dev libswscale-dev libv4l-dev libxvidcore-dev libx264-dev libgtk-3-dev libatlas-base-dev gfortran python3-dev python3-pip

三、创建Python虚拟环境

为避免项目间依赖冲突，推荐使用Python虚拟环境。通过`venv`模块创建独立环境：

python3 -m venv ml_env
source ml_env/bin/activate

激活后命令行提示符会显示`(ml_env)`，提示当前处于虚拟环境中。

四、安装核心机器学习库

（一）数值计算库：NumPy与SciPy

作为机器学习的基础工具，NumPy（数值计算库）和SciPy（科学计算库）需优先安装：

pip install numpy scipy

（二）经典算法工具：Scikit-learn

Scikit-learn集成了分类、回归、聚类等多种经典机器学习算法，安装命令：

pip install scikit-learn

（三）深度学习框架：TensorFlow

TensorFlow是广泛使用的深度学习框架，支持模型训练与部署：

pip install tensorflow

（四）动态计算框架：PyTorch

PyTorch以动态计算图为特色，适合研究与快速迭代。无GPU时安装CPU版本：

pip install torch torchvision torchaudio

五、GPU加速配置（可选）

若香港VPS配备NVIDIA GPU，可通过CUDA（Compute Unified Device Architecture，统一计算设备架构）和cuDNN（深度神经网络库）提升训练速度。

（一）安装CUDA工具包

添加NVIDIA官方仓库并安装CUDA 11.8版本（以Ubuntu 22.04为例）：

wget https://developer.download.nvidia.com/compute/cuda/repos/ubuntu2204/x86_64/cuda-ubuntu2204.pin
sudo mv cuda-ubuntu2204.pin /etc/apt/preferences.d/cuda-repository-pin-600
wget https://developer.download.nvidia.com/compute/cuda/11.8.0/local_installers/cuda-repo-ubuntu2204-11-8-local_11.8.0-520.61.05-1_amd64.deb
sudo dpkg -i cuda-repo-ubuntu2204-11-8-local_11.8.0-520.61.05-1_amd64.deb
sudo cp /var/cuda-repo-ubuntu2204-11-8-local/cuda-*-keyring.gpg /usr/share/keyrings/
sudo apt update
sudo apt install -y cuda

（二）安装cuDNN

需从NVIDIA官网下载对应CUDA版本的cuDNN库，解压后将文件复制到CUDA安装目录（通常为`/usr/local/cuda`），具体步骤可参考官方文档。

六、环境验证测试

完成安装后通过TensorFlow简单脚本验证环境：

import tensorflow as tf
print(f"TensorFlow版本：{tf.__version__}")
# 加载MNIST数据集
mnist = tf.keras.datasets.mnist
(x_train, y_train), (x_test, y_test) = mnist.load_data()
x_train, x_test = x_train / 255.0, x_test / 255.0
# 构建简单神经网络
model = tf.keras.models.Sequential([
    tf.keras.layers.Flatten(input_shape=(28, 28)),
    tf.keras.layers.Dense(128, activation='relu'),
    tf.keras.layers.Dropout(0.2),
    tf.keras.layers.Dense(10)
])
# 输出预测结果
predictions = model(x_train[:1]).numpy()
print("示例预测结果：", predictions)

保存为`test.py`，在虚拟环境中运行`python test.py`，无报错即表示环境搭建成功。

通过以上步骤，你就可以在香港VPS的Ubuntu 22.04系统上搭建一个完整的机器学习环境。