ubuntu18.04建立git的SSH访问

版权声明:本文为优快云博主「SLAM菜鸟」的原创文章,遵循CC 4.0 BY-SA版权协议,转载请附上原文出处链接及本声明。
原文链接:https://blog.youkuaiyun.com/hnlyzxy123/article/details/80268195

一、建立本机的SSH公钥

设置Git的user name和email:

$ git config --global user.name “用户名”
$ git config --global user.email “邮箱”

二、生成SSH密钥过程:

1.查看是否已经有了ssh密钥:cd ~/.ssh
如果没有密钥则不会有此文件夹,有则备份删除
2.生存密钥:
$ ssh-keygen -t rsa -C “邮箱”
按3个回车,密码为空。
在这里插入图片描述
最后得到了两个文件:id_rsa和id_rsa.pub
ctrl+h 显示隐藏文件夹
cd ~./ssh
ssh生成的.pub文件
more id_rsa.pub命令查看公钥的内容

三.在github上添加ssh密钥

在这里插入图片描述

四.测试:ssh git@github.com

在这里插入图片描述
成功

<think>嗯,用户想了解在Ubuntu 18.04上的配置教程。首先,我需要回忆一下相关的安装和配置步骤。根据用户提供的引用内容,安装部分有两个来源,引用[1]和引用[2]。可能需要先介绍安装过程,再讲环境配置。 安装Ubuntu 18.04的话,用户提到在VMware Workstation Pro中安装,所以应该包括创建虚拟机、选择ISO镜像、分配资源等步骤。引用[2]中提到选择简易安装的好处,可以简化流程,避免手动安装VMware Tools,这点需要强调。 然后是系统环境配置,引用[3]提到了显卡驱动安装的不同方法,以及可能的失败情况。这里需要提醒用户注意不同设备的差异,并提供安装驱动的几种方式,比如使用ubuntu-drivers工具或者PPA源。如果失败,建议参考提到的其他教程。 接下来是开发环境配置,比如配置CUDA和YOLOv8环境。引用[4]详细说明了CUDA路径的配置和bashrc文件的修改,这部分需要分步骤说明,比如添加环境变量、更新配置、检查安装等。同时,安装必要的库如libglfw3-dev也是必要的。 用户可能需要分步骤的指导,所以应该把整个流程拆分为安装系统、基础配置、显卡驱动、开发环境等部分。每个步骤要简明扼要,但关键命令和注意事项不能遗漏。例如,在配置CUDA时,环境变量的设置是否正确会影响后续使用,所以需要详细说明。 另外,用户可能对某些步骤不熟悉,比如如何编辑bashrc文件,可能需要给出具体的命令示例,比如使用sudo gedit或者nano编辑器。同时,检查驱动是否安装成功的命令,比如nvidia-smi,也要提到。 还要考虑到可能的常见问题,比如驱动安装失败,这时候需要引导用户参考引用[3]中的其他方法。此外,在配置环境变量后,不要忘记source命令使配置生效。 最后,生成的相关问题需要覆盖安装步骤、驱动问题、开发环境配置和系统优化等方面,这样用户如果有进一步的问题可以自行查阅。</think>### Ubuntu 18.04 配置教程分步说明 #### 一、系统安装准备 1. **虚拟机环境搭建** - 在VMware Workstation Pro中创建新虚拟机,选择“典型配置” - 加载Ubuntu 18.04 ISO镜像文件(可从[官网](https://releases.ubuntu.com/18.04/)下载) - 分配至少20GB磁盘空间和2GB内存(开发用途建议4GB以上)[^1][^2] 2. **简易安装设置** - 勾选“安装后自动重启”和“简易安装”选项 - 输入用户名/密码(如`user/123456`),避免后续手动配置[^2] #### 二、基础系统配置 1. **更新软件源** ```bash sudo apt update && sudo apt upgrade -y sudo apt install build-essential git vim # 开发工具链 ``` 2. **显卡驱动安装** - **自动检测推荐驱动** ```bash ubuntu-drivers devices # 查看可用驱动 sudo ubuntu-drivers autoinstall # 自动安装推荐驱动 ``` - **手动指定版本** ```bash sudo apt install nvidia-driver-470 # 根据显卡型号选择 ``` - 验证安装:`nvidia-smi` 输出GPU信息即成功[^3] #### 三、开发环境配置 1. **CUDA Toolkit安装** - 从[NVIDIA官网](https://developer.nvidia.com/cuda-toolkit-archive)下载对应版本.run文件 - 禁用Nouveau驱动后安装: ```bash sudo bash cuda_11.4.1_470.57.02_linux.run ``` 2. **环境变量配置** 编辑`~/.bashrc`添加: ```bash export PATH=/usr/local/cuda/bin:$PATH export LD_LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PATH ``` 生效配置:`source ~/.bashrc`[^4] 3. **深度学习环境示例(YOLOv8)** ```bash sudo apt install libglfw3-dev libgl1-mesa-glx # OpenGL依赖 conda create -n yolov8 python=3.8 conda activate yolov8 pip install ultralytics ``` #### 四、系统优化 1. **SSH远程连接配置** ```bash sudo apt install openssh-server sudo systemctl enable ssh ``` 2. **磁盘空间扩展** 使用`gparted`工具调整虚拟磁盘分区(需先安装`sudo apt install gparted`)
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
实付
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