环境配置番外篇

前面章节的所有内容都可以在笔记本或Google Colab上完成——有PyTorch、有Jupyter、有GPU，就够了。但当你开始认真做深度学习项目，迟早会遇到一个绕不开的问题：我需要一台自己的GPU服务器。

这篇附录不讲神经网络，不讲训练技巧，只讲"搞一台GPU服务器并让它稳定跑起来"需要的那些非技术知识。它们不属于深度学习本身，但没有它们，你的深度学习代码就跑不起来。

内容概览

章节	解决什么问题	适合谁
Linux基础：为什么炼丹用Linux	Linux比Windows好在哪？装完系统该干什么？怎么远程连接？	第一次接触Linux服务器的读者
NVIDIA驱动与CUDA：让GPU真正工作	驱动装了没？为什么nvidia-smi报错？CUDA版本怎么选？	有GPU但不知道怎么配置的读者
远程访问：从任何地方连上你的GPU服务器	服务器在机房怎么访问？没有公网IP怎么办？	需要远程管理服务器的读者
服务管理：让训练一直跑，服务一直开	训练跑到一半终端关了怎么办？服务怎么开机自启？	部署了服务需要维护的读者

阅读建议

这篇附录是按需查阅的参考材料，不是线性章节。遇到具体问题再回来翻对应部分即可。如果你是第一次接触Linux服务器，建议从Linux基础：为什么炼丹用Linux开始顺序阅读。

学习路径

前置知识

• 能区分"操作系统"和"软件"的区别

• 知道什么是终端/命令行

没有更多前置要求了——这篇附录就是从零开始的。

贡献者与修订历史

查看详细修订记录

• c71cb87 2026-04-29 - Heyan Zhu: docs(appendix): add environment setup guide for GPU servers