阿里云ECS CentOS系统如何搭建机器学习环境？-CLOUD云枢

在阿里云 ECS（CentOS 系统）上搭建机器学习环境，推荐采用 Anaconda/Miniconda + PyTorch/TensorFlow 的组合方案。以下是详细步骤：

一、基础准备

登录 ECS 实例
```
ssh -i your-key.pem root@your-ecs-ip
```

更新系统并安装必要工具

sudo yum update -y
sudo yum install -y wget curl git vim gcc make cmake python3-devel

安装 NVIDIA 驱动（如需 GPU）
- 确认显卡型号：nvidia-smi
- 若未安装驱动，前往 NVIDIA 官网下载对应 CentOS 版本的驱动，或使用阿里云镜像源提速：
```
sudo yum install -y akmod-nvidia kernel-devel-$(uname -r)
sudo reboot
```

安装 CUDA Toolkit（GPU 必需）

根据 nvidia-smi 显示的 CUDA 版本选择对应安装包（例如 CUDA 12.1）
下载地址：CUDA Toolkit Archive

示例安装流程（以本地下载的 .run 文件为例）：

chmod +x cuda_12.1.x_linux.run
sudo ./cuda_12.1.x_linux.run --toolkit --silent
echo "export PATH=/usr/local/cuda/bin:$PATH" >> ~/.bashrc
echo "export LD_LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PATH" >> ~/.bashrc
source ~/.bashrc

二、安装 Conda 环境管理工具

# 安装 Miniconda（轻量版，推荐）
wget https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh
bash Miniconda3-latest-Linux-x86_64.sh
# 按提示完成安装，重启 shell: source ~/.bashrc

# 创建隔离的 ML 环境
conda create -n ml_env python=3.10 -y
conda activate ml_env

三、安装深度学习框架

方案 A：PyTorch（推荐）

# 通过 conda 安装（自动处理依赖）
conda install pytorch torchvision torchaudio pytorch-cuda=12.1 -c pytorch -c nvidia

# 验证安装
python -c "import torch; print(torch.__version__); print(torch.cuda.is_available())"

方案 B：TensorFlow（GPU 支持）

pip install tensorflow-gpu==2.15.0  # 或指定版本
# 注意：TF2.15+ 需 CUDA 11.8 或 12.1，请确保版本匹配

四、常用辅助工具安装

# 数据科学栈
conda install numpy pandas scikit-learn matplotlib seaborn jupyterlab -y

# Jupyter Notebook 配置（可选）
jupyter lab --generate-config
echo "# 添加以下内容到 ~/.jupyter/jupyter_lab_config.py"
echo "c.ServerApp.ip = '0.0.0.0'"
echo "c.ServerApp.port = 8888"
echo "c.ServerApp.open_browser = False"
echo "c.ServerApp.allow_remote_access = True"

# 启动 Jupyter（需先放行安全组端口 8888）
jupyter lab --no-browser --port=8888

五、安全组配置（关键！）

登录阿里云控制台 → ECS 实例 → 安全组规则
添加入方向规则：
- 协议：TCP
- 端口：8888（Jupyter）、22（SSH）、自定义端口等
- 授权对象：0.0.0.0/0（生产环境建议限制 IP）

⚠️ 注意：首次使用 Jupyter 时，务必设置强密码或改用 SSH 隧道访问。

六、验证环境

# 测试脚本 test_ml.py
import torch, tensorflow as tf, numpy as np
print(f"PyTorch: {torch.__version__}, CUDA: {torch.version.cuda}")
print(f"TensorFlow: {tf.__version__}")
print("All dependencies installed successfully!")

运行：

python test_ml.py

七、优化建议

磁盘扩容：ML 项目需要大量存储，可通过阿里云控制台扩容云盘（无需重装）。
快照备份：定期创建系统盘快照，防止环境损坏。
使用容器化：复杂场景可考虑 Docker + Kubernetes（阿里云 ACK）。
监控资源：安装 nvidia-smi 定时脚本或 Prometheus 监控 GPU 使用情况。

如有特定需求（如多卡训练、分布式部署、预装模型库），可进一步说明，我会提供针对性方案。