图解教程：Ubuntu 22.04安装全流程（含常见问题）

原创 于 2025-11-26 10:12:21 发布 · 344 阅读 · 5 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

快速体验

  1. 打开 InsCode(快马)平台 https://www.inscode.net
  2. 输入框内输入如下内容： 
    请生成一份面向新手的Ubuntu 22.04安装图文教程，要求：1. 使用截图展示每个安装步骤 2. 解释分区、用户名等关键设置的含义 3. 包含'无法识别硬盘'、'黑屏'等典型问题的解决方法 4. 首次登录后的基础设置指南 5. 推荐必备软件清单。采用Markdown格式，图片位置用占位符标注。
  3. 点击'项目生成'按钮，等待项目生成完整后预览效果

示例图片

最近尝试在笔记本上安装Ubuntu 22.04，发现网上很多教程不是太简略就是过于专业。作为刚接触Linux的小白，我整理了这份保姆级安装指南，特别适合零基础用户跟着操作。

一、准备工作

  1. 官网下载ISO镜像时注意选择LTS版本（长期支持版），文件约4GB左右。推荐使用迅雷等工具加速下载。

  2. 制作启动盘建议用Rufus工具（Windows平台），写入模式选"DD Image"可以避免很多兼容性问题。记得备份U盘数据，整个过程会格式化U盘。

  3. 如果是双系统安装，提前在Windows中用磁盘管理压缩出至少50GB的未分配空间。建议关闭Secure Boot和Fast Startup功能以减少兼容性问题。

二、安装过程详解

  1. 插入U盘重启电脑，按F12（各品牌按键不同）选择从USB启动。看到紫色界面后直接按回车进入试用模式。

  2. 桌面会出现"Install Ubuntu"图标，双击启动安装程序。语言建议选英文（安装完成后再改中文），这样后续排查问题时更容易搜索解决方案。

  3. 分区环节最让人困惑：

  4. 简单方案：选择"Erase disk and install Ubuntu"（会清空整个硬盘）

  5. 高级方案：手动分区时，/根目录建议30GB以上，swap交换分区等于内存大小，/home目录尽可能大（存放个人文件）

  6. 时区选择时可以直接在地图上点击上海位置，键盘布局保持默认English(US)。创建用户时记住密码，建议勾选"自动登录"方便日常使用。

三、常见问题解决

  1. 找不到硬盘：可能是RAID模式导致，重启进BIOS将SATA模式从RAID改为AHCI。注意：已安装Windows的系统需先在安全模式修改注册表。

  2. 安装后黑屏：通常与显卡驱动有关，在GRUB界面按e键，在linux行末尾添加nomodeset参数临时解决，安装后更新驱动。

  3. WiFi不可用：部分Realtek网卡需要联网后执行sudo apt install rtw89-dkms，先用手机USB网络共享或网线联网。

四、首次配置指南

  1. 打开Software Updater安装所有更新，然后在"软件和更新"中切换国内镜像源（如阿里云、清华源）。

  2. 在设置-区域和语言中添加中文输入法，推荐使用fcitx5框架搭配搜狗拼音。

  3. 调整Dock位置：我喜欢把左侧任务栏移到底部，更符合Windows使用习惯。

五、必备软件推荐

  • 浏览器：Firefox（预装）/Chromium
  • 办公：LibreOffice/WPS Office
  • 通讯：Telegram/Discord
  • 开发：VS Code/IntelliJ IDEA
  • 娱乐：VLC媒体播放器/Spotify

体验心得

整个安装过程在InsCode(快马)平台的虚拟机环境下测试过多次，发现他们的云环境特别适合新手练手——不用折腾本地安装，直接网页就能体验Ubuntu系统。遇到问题还能随时截图提问，比自己在实体机上折腾省心多了。

示例图片

对于想长期使用的同学，建议先在这里的在线环境熟悉基本操作，确定软件兼容性没问题再安装到实体机，能少走很多弯路。

快速体验

  1. 打开 InsCode(快马)平台 https://www.inscode.net
  2. 输入框内输入如下内容： 
    请生成一份面向新手的Ubuntu 22.04安装图文教程，要求：1. 使用截图展示每个安装步骤 2. 解释分区、用户名等关键设置的含义 3. 包含'无法识别硬盘'、'黑屏'等典型问题的解决方法 4. 首次登录后的基础设置指南 5. 推荐必备软件清单。采用Markdown格式，图片位置用占位符标注。
  3. 点击'项目生成'按钮，等待项目生成完整后预览效果

创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考

Ubuntu 22.04创建OverlayFS文件系统教程
yonggeit的博客
06-17 253
摘要：本文介绍在Ubuntu 22.04上创建OverlayFS文件系统的实验步骤，通过构建lower/upper/merged目录层次，演示其分层管理机制。主要包括：1)创建基础目录结构并挂载；2)验证修改文件时的Copy-on-Write特性；3)测试新建/删除文件的处理方式；4)展示目录结构变化记录。实验揭示了OverlayFS如何通过upper层捕获所有变更，保持lower层原始数据不变，这正是Docker镜像分层与写时复制技术的底层实现原理。最后附工作原理图解和关键特性说明，帮助理解虚拟化技术的基
【DCGMI专题1】---DCGMI 在 Ubuntu 22.04 上的深度安装指南与原理分析（含架构图解）
jundao1997的专栏
05-20 1160
DCGMI（Data Center GPU Manager Interface）是 NVIDIA 数据中心 GPU 管理套件的核心工具，基于 **NVIDIA Management Library (NVML)** 构建，提供对 GPU 集群的实时监控、配置管理和故障诊断能力。硬件监控：获取 GPU 温度、功耗、显存利用率等 100 + 指标；服务管理：通过实现 daemon 化运行；远程控制：支持通过 REST API 或 CLI 跨节点管理；生态集成。
Ubuntu22.04.2安装教程
zlc555的博客
03-18 883
Ubuntu22.04.2安装教程
FINN快速安装教程——安装Ubuntu22.04 LTS系统
qq_46589863的博客
06-12 1899
Ubuntu+FINN+FPGA
ubuntu 22.04 安装 k8s 集群
weixin_57468544的博客
11-10 534
主节点初始化成功后会返回加入集群的命令，执行没有带 --control-plane 部分的命令，带 --control-plane 部分的是主节点执行的，这里主节点已经初始化过了，不需要执行。执行成功后查看 pod ，会出现命名空间 tigera-operator ，为 Running 则成功 ，不是 Running 无法进行后续操作。只进行初始化和加入集群操作，节点状态都是 NotReady ，因此需要安装网络插件。成功加入集群后再去主节点查看节点状态。所有节点都拉取完镜像后，去主节点执行。
UEFI下Windows11和Ubuntu22.04双系统安装图解
zhiliu的专栏
12-07 5926
UEFI主板下的Windows和Ubuntu双系统安装图解教程。
ubuntu server 22.04.4 系统安装详细教程
fire_in_java的专栏
05-08 5691
Ubuntu Server 22.04.4 系统安装详细教程
带你快速安装Ubuntu 22.04.4最小化操作系统
weixin_43892251的博客
04-27 2804
Ubuntu是一种基于Linux内核的开源操作系统，它包含了Linux内核以及一系列预装的软件、工具和服务，为用户提供一个完整的操作系统解决方案。
Ubuntu系统-22.04的详细图文过程安装教程！
m0_74771361的博客
09-06 615
Ubuntu系统的安装使用（vmware软件自行选择安装，建议使用vm17pro，密钥网上搜索即有。选择稍后再安装系统，能避免可能出现的问题，非常建议稍后安装！：如果要修改配置了的硬件参数，可以点击自定义硬件进行重新配置。：每一个步骤要看清楚来操作，密码可以设置简易一些，避免忘记！完成以上就完整的安装好Ubuntu系统22.04了！开机，初始化镜像（一开始开机会比较慢，这是正常的）：在开机期间，弹出的任何框，叉掉即可。打开虚拟机软件、选择新建虚拟机。建议不要安装在系统盘！：不要忘记点击确定！
windows10装Ubuntu22.04系统（双系统）
lishuang1999的博客
08-13 936
这篇教程详细介绍了Windows和Linux双系统的安装步骤。首先需要准备Ubuntu镜像文件、空白U盘和磁盘分区。使用Rufus工具将镜像写入U盘，然后通过高级启动进入安装界面。安装时选择手动分区，建议创建多个ext4格式分区（包括/swap、/、/home等），特别要注意避免覆盖Windows系统盘。安装完成后进行基本环境配置。文章提供了详细的分区建议和常见问题解决方案，帮助新手顺利完成双系统安装。
ubuntu22.04部署heygem详细教程图解
什么鬼(*^▽^*)
04-22 1336
Heygem 数字人克隆智能体和插件已成功上线 ，无需复杂部署，即使是小白用户也能轻松上手直接使用。
Windows10/11 hyper-v安装ubuntu22.04教程
12-04 2631
在windows11里用hyper-v创建虚拟机，并在虚拟机安装ubuntu22.04操作系统
STM32+MAX7219数码管模块显示程序 SPI接口
12-02
提供了基于STM32F4xx系列的MAX7219数码管模块显示程序，通过SPI串行总线进行通信，使用库函数进行编程。经过实际测试，该程序能够正常驱动数码管进行显示。 特点 基于STM32F4xx系列MCU 使用SPI串行总线通信 采用库函数编程 实测能正常驱动MAX7219数码管模块显示
基于大疆M100无人机平台的自主导航与智能决策系统开发项目_该项目专注于在复杂动态环境中实现无人机的实时障碍物感知与规避以及高效全局与局部路径规划算法的集成与优化核心内容包括利.zip
12-02
基于大疆M100无人机平台的自主导航与智能决策系统开发项目_该项目专注于在复杂动态环境中实现无人机的实时障碍物感知与规避以及高效全局与局部路径规划算法的集成与优化核心内容包括利.zip
Turbo 码编码及解码仿真程序(Matlab)
12-02
Turbo 码编码及解码仿真程序(Matlab)
【改进灰狼算法】基于记忆、进化算子和局部搜索的改进灰狼优化算法及线性种群规模缩减算法（Matlab代码实现）
最新发布
12-02
内容概要：本文提出了一种基于记忆机制、进化算子和局部搜索策略的改进灰狼优化算法，并结合线性种群规模缩减策略以提升算法收敛速度与全局搜索能力。该算法通过引入记忆模块保存优质个体信息，利用进化算子增强种群多样性，同时采用局部搜索机制提高寻优精度，有效克服了传统灰狼算法易陷入局部最优、收敛速度慢等问题。文中详细阐述了算法的设计思路、实现步骤及关键参数设置，并提供了完整的Matlab代码实现，便于读者复现与应用。实验部分验证了改进算法在多个标准测试函数上的优越性能，展示了其在优化问题中的潜力。; 适合人群：具备一定智能优化算法基础，熟悉Matlab编程，从事科研或工【改进灰狼算法】基于记忆、进化算子和局部搜索的改进灰狼优化算法及线性种群规模缩减算法（Matlab代码实现）程优化相关工作的研究生、科研人员及技术人员； 使用场景及目标：①解决复杂优化问题如函数优化、参数调优、工程设计优化等；②学习灰狼算法的改进思路与实现方法，掌握智能算法的性能提升策略； 阅读建议：建议结合Matlab代码逐行理解算法实现过程，重点关注记忆机制、进化操作与局部搜索的融合方式，并通过实验对比分析改进策略的有效性。
基于ROS的机器人运动规划与路径搜索算法实现工作空间_包含A星Dijkstra等经典与优化算法在二维三维栅格地图中的高效路径规划与避障实现结合RVIZ可视化插件进行实时路径动态障碍.zip
12-02
基于ROS的机器人运动规划与路径搜索算法实现工作空间_包含A星Dijkstra等经典与优化算法在二维三维栅格地图中的高效路径规划与避障实现结合RVIZ可视化插件进行实时路径动态障碍.zip
基于OpenStreetMap开源地理数据与OSRM高性能路由引擎的跨平台智能路径规划系统_集成多模式交通网络分析实时交通流量预测动态避障与多目标优化算法的综合性导航解决方案_.zip
12-02
基于OpenStreetMap开源地理数据与OSRM高性能路由引擎的跨平台智能路径规划系统_集成多模式交通网络分析实时交通流量预测动态避障与多目标优化算法的综合性导航解决方案_.zip
这是一个针对自动驾驶与机器人路径规划领域的开源项目专注于对经典HybridA算法在ROS机器人操作系统框架下的实现代码进行详尽的中文注释与解析_项目核心是对KarlKu.zip
12-02
这是一个针对自动驾驶与机器人路径规划领域的开源项目专注于对经典HybridA算法在ROS机器人操作系统框架下的实现代码进行详尽的中文注释与解析_项目核心是对KarlKu.zip
鲲鹏+Atlas300i duo推理卡物理机部署deepseek模型的具体详细教程和思维导图，并给出部署过程中常见的问题和解决的具体办法，操作系统为Ubuntu22.04，使用的是mindie的容器镜像
03-28
<think>好的，用户需要关于鲲鹏+Atlas300i duo推理卡物理机部署deepseek模型的详细教程、思维导图以及常见问题解决办法。首先，我得确认用户提到的各个组件和工具是否兼容，以及具体的步骤。 首先，操作系统是Ubuntu22.04，使用mindie容器镜像。鲲鹏处理器是ARM架构，可能需要确认deepseek模型是否支持ARM。Atlas300i duo推理卡通常使用昇腾AI处理器，需要安装CANN软件包和驱动。mindie可能是指华为的MindSpore Inference Engine，或者是用户笔误，比如应该是MindX或CANN相关的工具？ 接下来，我需要整理部署流程。可能步骤包括：环境准备（安装驱动、固件、CANN）、容器环境配置（拉取镜像、启动容器）、模型转换（可能涉及将模型转换为昇腾支持的格式，比如OM模型）、部署推理服务、验证和测试。 常见问题可能包括驱动安装失败、容器启动问题、模型转换错误、性能不佳等。需要针对每个问题给出具体的解决办法，比如检查日志、版本兼容性、资源限制等。 思维导图部分需要涵盖硬件准备、软件依赖、部署步骤、验证测试、优化调整等分支。可能需要使用工具如XMind来制作，但用户可能需要文字描述的结构。 需要确保所有命令和步骤适用于Ubuntu22.04，特别是ARM架构。例如，安装驱动时可能涉及下载特定于ARM的.deb包，或者使用华为的仓库。 另外，用户提到使用mindie的容器镜像，需要确认该镜像是否已经包含必要的昇腾组件，或者是否需要额外安装。如果镜像已经配置好，可能需要挂载设备到容器，设置环境变量等。 模型转换部分，deepseek模型如果是PyTorch或TensorFlow格式，需要使用ATC工具转换成OM模型。需要确保安装模型转换工具，并且模型结构符合昇腾处理器的支持范围。 在编写详细步骤时，要分步骤说明，每个命令需要正确，并且解释其作用。例如，安装驱动时可能需要运行特定的脚本，或者配置用户组。 常见问题部分需要列出问题现象、可能原因和解决方法。例如，如果在模型转换时出现错误，可能需要检查模型文件路径、转换脚本参数是否正确，或者查看ATC的日志输出。 最后，思维导图的结构需要清晰，让用户一目了然地看到整个部署流程的关键节点和步骤顺序。</think>以下为鲲鹏+Atlas 300i duo推理卡部署DeepSeek模型的详细指南，附部署流程图解和常见问题解决方案： # 一、部署思维导图 ``` 部署流程 ├─ 硬件准备 │ ├─ 鲲鹏920物理机（ARMv8架构） │ └─ Atlas 300i duo推理卡安装 ├─ 系统环境 │ ├─ Ubuntu 22.04 LTS │ ├─ 固件升级：npu-smi工具验证 │ └─ 驱动安装：Ascend 310P驱动 ├─ 容器配置 │ ├─ 安装Docker 20.10+ │ ├─ 获取MindIE容器镜像 │ └─ 挂载设备：/dev/davinciX ├─ 模型部署 │ ├─ 模型格式转换（ONNX→OM） │ ├─ 加载模型至昇腾芯片 │ └─ 配置推理服务接口 └─ 验证测试 ├─ 执行npu-smi健康检查 └─ 发送测试请求验证推理结果 ``` # 二、详细部署教程 ## 阶段1：环境准备 1. **安装昇腾驱动** ```bash wget https://ascend-repo.obs.cn-east-2.myhuaweicloud.com/Ascend-310P-5.0.4/ubuntu22.04/Ascend-hdk-310p-npu-driver_5.0.4.alpha003_linux.aarch64.run chmod +x Ascend-hdk-310p-npu-driver_5.0.4.alpha003_linux.aarch64.run ./Ascend-hdk-310p-npu-driver_5.0.4.alpha003_linux.aarch64.run --full ``` 2. **验证设备识别** ```bash npu-smi info # 应显示Atlas 300i duo设备信息 ``` ## 阶段2：容器部署 1. **拉取MindIE镜像** ```bash docker pull swr.cn-south-1.myhuaweicloud.com/mindie/mindspore:2.2.1-ascend-arm64 ``` 2. **启动容器（需挂载设备）** ```bash docker run -itd --name deepseek_env \ --device=/dev/davinci0 \ --device=/dev/davinci_manager \ --device=/dev/devmm_svm \ -v /usr/local/Ascend/driver:/usr/local/Ascend/driver \ swr.cn-south-1.myhuaweicloud.com/mindie/mindspore:2.2.1-ascend-arm64 ``` ## 阶段3：模型转换与部署 1. **模型转换（示例）** ```bash # 进入容器执行 atc --model=deepseek.onnx \ --framework=5 \ --output=deepseek_om \ --soc_version=Ascend310P3 ``` 2. **编写推理服务代码** ```python from mindspore_lite import Model model = Model() model.build_from_file("deepseek_om.om", "ascend310", 0) # 添加预处理和后处理逻辑 ``` # 三、常见问题解决方案 **问题1：npu-smi显示设备未识别** - 现象：`No devices found in system` - 解决： ```bash lspci | grep d100 # 确认PCI设备可见 dmesg | grep npu # 检查内核日志 # 重新安装驱动并重启服务 systemctl restart ascend_device ``` **问题2：OM模型转换失败** - 现象：ATC报错`Unsupported operator` - 解决： ```bash # 检查ONNX算子版本 atc --op_debug_level=2 # 启用调试模式 # 使用Ascend提供的自定义算子替换 ``` **问题3：容器内无法访问NPU** - 现象：`Failed to open device` - 解决： ```bash # 检查设备挂载权限 ls -l /dev/davinci* # 添加启动参数：--privileged=true ``` **问题4：推理时显存不足** - 现象：`Memory allocation failed` - 解决： ```bash npu-smi -i 0 -m 16384 # 设置内存为16GB # 优化模型batch_size参数 ``` # 四、性能优化建议 1. **启用混合精度**：在模型转换时添加`--precision_mode=allow_mix_precision` 2. **内存复用配置**： ```ini [ascend_context] enable_mem_reuse=1 ``` 3. **多卡负载均衡**：通过`npu-smi set -t task-schedule -i 0 -v 1`启用智能调度 建议通过`msprof`工具进行性能分析： ```bash msprof --application="python infer.py" --output=./profile ``` 注：具体模型路径和参数需根据实际项目调整，建议参考昇腾官方文档获取最新工具链信息。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

JetRaven12

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值