阿里云ECS CentOS系统如何搭建机器学习环境？-CLOUD云计算

在阿里云ECS上使用CentOS系统搭建机器学习环境，主要步骤包括：系统更新、安装Python环境、安装GPU驱动（如需）、安装深度学习框架等。以下是详细步骤：

✅ 一、准备工作

购买并登录ECS实例
- 选择 CentOS 7 或 CentOS 8 系统。
- 推荐配置：至少 4核CPU + 8GB内存，若需GPU训练，选择带NVIDIA GPU的实例（如gn6i、gn6v等）。
- 使用 SSH 登录到服务器：
```
ssh root@your-ecs-public-ip
```
更新系统
```
sudo yum update -y
```

✅ 二、安装Python环境（推荐使用 Anaconda）

Anaconda 是最常用的 Python 数据科学和机器学习发行版。

下载并安装 Miniconda（轻量版 Anaconda）

# 下载 Miniconda 安装脚本（以 Python 3.9 为例）
wget https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh

# 安装 Miniconda
bash Miniconda3-latest-Linux-x86_64.sh

按提示操作，接受许可协议，选择安装路径（默认 /root/miniconda3），最后重启终端或运行：

source ~/.bashrc

创建虚拟环境（可选但推荐）

conda create -n ml-env python=3.9
conda activate ml-env

✅ 三、安装机器学习常用库

pip install numpy pandas matplotlib scikit-learn jupyter

✅ 四、安装深度学习框架（如 PyTorch 或 TensorFlow）

方式1：安装 PyTorch（支持GPU）

前往 https://pytorch.org/get-started/locally/ 获取最新命令。

示例（CUDA 11.8）：

pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118

方式2：安装 TensorFlow（支持GPU）

注意：TensorFlow 对 CUDA 和 cuDNN 版本要求严格，建议使用容器方式或 Conda 安装。

# 使用 pip 安装 TensorFlow（CPU版简单）
pip install tensorflow

# 或使用 conda 安装（更易管理依赖）
conda install tensorflow-gpu  # 需要先配置 NVIDIA 驱动和 CUDA

✅ 五、（可选）安装 NVIDIA GPU 驱动与 CUDA（仅限GPU实例）

检查是否为GPU实例
```
lspci | grep -i nvidia
```
安装 EPEL 源
```
sudo yum install epel-release -y
```

安装开发工具

sudo yum groupinstall "Development Tools" -y

禁用 Nouveau 驱动

sudo vi /etc/modprobe.d/blacklist.conf

添加：

blacklist nouveau
options nouveau modeset=0

然后更新 initramfs：

sudo dracut --force

重启系统
```
sudo reboot
```

安装 NVIDIA 驱动

sudo yum install -y gcc kernel-devel kernel-headers acpid
sudo systemctl start acpid

下载驱动（从 NVIDIA官网找对应型号）：

wget http://us.download.nvidia.com/XFree86/Linux-x86_64/xxx.xx/NVIDIA-Linux-x86_64-xxx.xx.run
chmod +x NVIDIA-Linux-x86_64-xxx.xx.run
sudo ./NVIDIA-Linux-x86_64-xxx.xx.run

安装 CUDA Toolkit
参考：CUDA Installation Guide for Linux

wget https://developer.download.nvidia.com/compute/cuda/11.8.0/local_installers/cuda_11.8.0_520.61.05_linux.run
sudo sh cuda_11.8.0_520.61.05_linux.run

安装时取消勾选驱动（已安装），只安装 CUDA Toolkit。

配置环境变量

echo 'export PATH=/usr/local/cuda-11.8/bin:$PATH' >> ~/.bashrc
echo 'export LD_LIBRARY_PATH=/usr/local/cuda-11.8/lib64:$LD_LIBRARY_PATH' >> ~/.bashrc
source ~/.bashrc

验证 GPU 是否可用

import torch
print(torch.cuda.is_available())  # 应输出 True

✅ 六、安装 Jupyter Notebook（远程访问）

安装 Jupyter
```
pip install jupyter
```
生成配置文件
```
jupyter notebook --generate-config
```
生成密码（推荐）
```
jupyter notebook password
```

启动 Jupyter（允许远程访问）

jupyter notebook --ip=0.0.0.0 --port=8888 --no-browser --allow-root

安全组设置
- 在阿里云控制台，进入 ECS 实例安全组，添加规则：
  - 协议类型：自定义 TCP
  - 端口范围：8888
  - 授权对象：0.0.0.0/0（或指定 IP）
访问地址：
```
http://<ECS公网IP>:8888
```

✅ 七、其他推荐工具

Docker：便于环境隔离和部署

sudo yum install -y docker
sudo systemctl start docker
sudo systemctl enable docker

使用官方镜像（如 NVIDIA NGC）
例如：

docker run --gpus all -it -p 8888:8888 nvcr.io/nvidia/pytorch:23.10-py3

✅ 总结

步骤	内容
1	更新系统，安装基础工具
2	安装 Anaconda/Miniconda
3	创建虚拟环境，安装机器学习库
4	（GPU）安装 NVIDIA 驱动 + CUDA
5	安装 PyTorch/TensorFlow
6	部署 Jupyter 远程访问

如有更多需求（如部署 Flask API、使用 Ray、监控 GPU 使用等），可进一步扩展。

需要我提供一键安装脚本或自动化部署方案吗？