对于一个Python数据分析师来说，能够在重装系统时稳定配置出所需环境是极其重要的。拿我举例，我所使用的技术主要依赖于python、anaconda、以及支持cuda的pytorch环境，总之大概就是这一类。

在deepin当中，要以最快速度从零开始配置一个上述环境，实际上也并不难（只需要连续踩坑10天就能摸索出来了o(TωT)o ），这里就给大家介绍一下我摸索出来的方法~ 该方法的优势主要在于，它不仅完美支持cuda+pytorch，而且装有nvcc这个cuda平台变异所需的环境，因此可以轻松支持flash_attention、大语言模型如modelscope、transformers上公开的各类GPT。而且，相对来说nvidia cuda toolkit的安装包、anaconda环境都比较独立，不会与系统内文件混为一团扰乱依赖项。

话不多说，我们直接上步骤。

【1】先给u盘写入系统。

diskutil list

通过上述磁盘列表，判断我的usb所在的盘符为/dev/disk4

diskutil unmountDisk /dev/disk4
sudo dd if=deepin-desktop-community-20.9-amd64.iso of=/dev/disk4 bs=2m

等待时可以打开资源管理器之类，确认磁盘正在写入

安装过程中，我选择的是5.15版本内核。为了后续操作不发生冲突，保险起见，不要集成闭源驱动！！
安装后，优先检查有线网无线网是否都有驱动。如果网卡没有驱动，那还是建议换一个linux原生支持的网卡。还好我的BCM4360网卡是deepin V20.9原生支持的。

【2】为了用GPU加速，需要安装nvidia-cuda-toolkit。

这里我讲一下，我个人的理解是：n卡的计算需要一个驱动，驱动程序提供了一些函数接口。而cuda、pytorch等等实际上是在操作这个驱动程序提供的函数，并不直接操作显卡pcie接口之类的。
不知道这个理解是否准确，但我亲测一个驱动可以同时让pytorch-cuda12.1和我的nvidia-cuda-toolkit-12.3编译出来的程序运行正常。
现在的pytorch最新的pip安装包含有独立的cuda环境版本，所以，系统里安装的驱动、以及对应的nvidia-cuda-toolkit，感觉可以有一些版本号上的差异。nvidia显卡驱动向下兼容，所以版本越高越好。

！！注意！！我们直接下载 nvidia-cuda-toolkit ，这里包含了正确的显卡驱动版本。直接选到你显卡支持的最新版本下载。
请访问这个网址下载 cuda toolkit： https://developer.nvidia.com/cuda-downloads
进入之后，选择Linux - x86_64 - 随便选distro - 随便选版本 - runfile (local)
之所以随便选，因为runfile的下载链接文件都是一样的，这个全部linux都通用。所以deepin也能用，没必要非得用麒麟OS。

先下载对应的run文件。
cd 到下载文件夹
wget https://developer.download.nvidia.com/compute/cuda/12.3.2/local_installers/cuda_12.3.2_545.23.08_linux.run

接下来为了保险，需要禁用nouveau
sudo deepin-editor /etc/modprobe.d/blacklist.conf
或者 sudo nano /..../blacklist.conf sudo vim /..../blacklist.conf都可以，只要文本编辑器都行。
然后将以下内容复制到/etc/modprobe.d/blacklist.conf文件中:
blacklist nouveau
blacklist lbm-nouveau
options nouveau modeset=0
alias nouveau off
alias lbm-nouveau off

然后终端执行如下命令:
sudo update-initramfs —u
重启系统，再次进入系统，可能会发现分辨率异常。(不能保证会出现异常，如果你的分辨率异常就说明成功禁用nouveau驱动)

sudo apt update
sudo apt autoremove nvidia

然后，进入ctrl+alt(option)+F2(fn+F2)超级终端进行组装。
sudo service lightdm stop
sudo chmod a+x cuda_12.3.2_545.23.08_linux.run
sudo sh cuda_12.3.2_545.23.08_linux.run
（这一步首次运行后会卡一段时间。安装组件中千万别选NVIDIA-fs，否则会fail。打叉表示选中。）

安装好之后，必须要把PATH、LD_LIBRARY_PATH都添加进系统path中。
sudo nano /etc/ld.so.conf
在文件中添加一行 /usr/local/cuda-12.3/lib64
然后ctrl+x退出，Y，enter。
sudo ldconfig # 必须执行，不然上述修改无效

然后
sudo nano ~/.profile
添加 export PATH=/usr/local/cuda-12.3/bin:$PATH
export LD_LIBRARY_PATH=/usr/local/cuda-12.3/lib64:$LD_LIBRARY_PATH
sudo reboot
这样NVIDIA cuda工具包、以及显卡驱动就装好了。 (部分指令参考了： blog.csdn.net/RKCHEN01/article/details/104826736/ )

【3】安装工作依赖项。

以下只是我的工作依赖项，简单列一下：
（1）应用商店安装搜狗输入法
（2）安装anaconda
从官网下载linux版本安装包后，千万不要用sudo，必须不带su权限。
bash anadonda.sh
记得要同意让anaconda修改各种终端entry！！（一路yes就行）
（3）安装pycharm（或vscode），从应用商店安装即可
（4）安装syncthing
应用商店居然有syncthing，可以在开始菜单找到Syncthing右键设置自启动。
注意记得设置开机自启动Syncthing。

（可选）（5）可尝试安装git[必须是2.35左右的版本，不然根本没法make]和git-lfs。
sudo apt-get install build-essential
sudo apt-get install libcurl4-openssl-dev
sudo apt-get install libexpat1-dev
sudo apt-get install tcl-dev
sudo apt-get install gettext
然后从git-scm下载一个2.35.8的git版本，然后cd进文件夹,
make
make install
就完事了。git-lfs具体教程就不详细讲了，也不难

（6）安装好anaconda，可以用pip安装一些依赖项
pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple
pip install pulp python-docx

以及pytorch cuda版本。
pip3 install torch torchvision torchaudio
（对应的命令，请务必去pytorch官网上寻找最新版cuda版pytorch命令！）

pip install adabelief-pytorch

【4】安装modelscope等等
我使用的是通义千问1.8B模型。具体教程如下
https://modelscope.cn/models/qwen/Qwen-1_8B-Chat/summary

pip install transformers==4.32.0 accelerate tiktoken einops scipy transformers_stream_generator==0.0.4 peft deepspeed

git clone --recursive https://github.com/Dao-AILab/flash-attention
cd flash-attention && pip install .

下方安装可选，安装可能比较缓慢。

pip install csrc/layer_norm
pip install csrc/rotary

↑上述clone不下来的话，可以找一个能clone下来的环境，然后把里面的内容打包好上传到机器里面再install。

【5】增加swap，防止爆内存
↓ 以下代码可以增加300GB swap空间。（如果想要128G，可以把count参数改为128M）
dd if=/dev/zero of=/media/infinite-loop/data2disk/swapfile.img bs=1024 count=300M
echo 'your_password' | sudo --stdin mkswap /media/infinite-loop/data2disk/swapfile.img
echo 'your_password' | sudo --stdin swapon /media/infinite-loop/data2disk/swapfile.img
然后，上述指令可以添加到自启动文件中，deepin中推荐采用desktop文件。
一定要记得给.sh文件 chmod +x 增加可执行权限！

总之，我是能够稳定复现这个顺利的cuda全环境安装流程，包括git的安装等等。最后祝deepin程序员能够尝试再优化一波上述流程，比如cuda的run文件能否设为自动一键安装，或者把更新版本的git纳入软件仓库（现在 sudo apt install git-all 安装的是git 20左右的版本，不支持git LFS）~（虽然可能略有一些困难，但梦想总是要有的）