附录B:Linux 基础
本附录介绍运行课程代码所需的 Linux 和命令行(command line)基础。很多 AI 工具、服务器、集群和开源包都默认在 Linux 环境中运行;使用现代 LLM 和预测模型时,也经常需要在命令行中管理环境、模型文件和实验脚本 Alammar & Grootendorst, 2024。你不需要掌握系统管理,但需要学会登录服务器、移动文件、查看目录和运行 Python,并理解基本的管道命令。
学习目标¶
完成本附录后,你应该能够:
使用终端(terminal)登录远程服务器。
用
pwd、ls、cd浏览文件系统(file system)。创建、移动、删除和查看文件。
使用简单编辑器修改服务器上的文件。
理解标准输入(standard input, stdin)、标准输出(standard output, stdout)、标准错误(standard error, stderr)、重定向(redirection)和管道(pipe)。
Linux 环境与远程登录¶
为什么要学 Linux¶
Linux 是大量服务器、集群和 AI 工具的默认运行环境。课程中的 notebook 可以在本地运行,但当任务需要 GPU、大内存或较长的运行时间时,通常就需要使用 Linux 服务器或集群。
命令行看起来不如图形界面直观,但它有三个优势:
可复现:命令可以保存到脚本中重复运行。
高效:批量处理文件和日志比手工点击更快。
远程友好:服务器不一定有图形界面,但一定有终端。
预测项目中的常见错误往往不在模型公式,而在于当前目录不对、数据文件不在预期位置、Python 环境不一致,或输出被写到了另一个文件夹。Linux 基础的主线就是路径、文件和环境;可复现的时间序列分析同样依赖对数据、代码和输出的清晰组织 Hyndman & Athanasopoulos, 2021。
回顾计算机的发展历史,可以理解为什么 AI 时代又需要命令行。早期计算机主要是大型机,后来个人电脑和图形界面让许多操作可以通过鼠标点击完成;但当数据、模型和算力重新集中到集群和服务器上时,批量操作又变得重要。你不可能靠一万次鼠标点击来处理一万个文件,也不可能仅靠本地笔记本完成所有深度学习任务。终端就是你与服务器、集群、脚本和 AI 工具交互的接口。
个人 AI 设备也说明了这一点。设备连上显示器后,看起来像一台普通 Linux 电脑,但运行模型、安装包、查看 GPU 状态、复制课程命令和远程访问等操作,仍然主要通过 Terminal 完成。未来无论使用学校集群、云服务器、实验室工作站还是本地 AI 盒子,Linux 命令行都会是最稳定的操作入口。
如何获得 Linux 环境¶
Windows 10+ 用户可以使用 WSL(Windows Subsystem for Linux)安装 Ubuntu 或 Debian,也可以使用 Windows Terminal 登录远程服务器。
macOS 用户的 Terminal 与 Linux 命令非常接近,可以直接练习大部分命令。
课程中需要较大计算资源时,可以使用学校或机构提供的集群、云服务器或其他远程 Linux 服务器。
AI 预测任务可能从本地 notebook 开始,但在训练深度模型、运行批量任务或处理大量文件时,命令行往往会成为主要工作界面。掌握 pwd、ls、cd、python -m pip 和日志重定向,能显著减少环境排查所需的时间。
我们把命令行称为你和服务器、AI 工具对话的界面。Windows 用户如果没有 Terminal,可以打开 Microsoft Store,搜索 Terminal,安装 Windows Terminal。安装后先输入:
ssh如果终端打印出用法说明,说明 SSH 命令可用;如果提示找不到命令,先解决终端工具问题,再尝试登录集群。
登录服务器¶
SSH 命令的一般形式是:
ssh 用户名@服务器地址例如:
ssh username@server.example.com其中 username 是服务器管理员分配给你的远程用户名,server.example.com 应替换为实际服务器地址。输入密码时终端通常不会显示字符,这是正常的。集群环境还可能要求 OTP 动态验证码。
路径、文件与编辑¶
查看当前位置¶
登录后先确认自己在哪里:
whoami
pwd
ls
ls -htla含义分别是:
whoami:显示当前用户名。pwd:显示当前目录路径。ls:列出当前目录文件。ls -htla:按时间显示更详细文件信息,包括隐藏文件。
$HOME 保存用户主目录的路径,可以用下面的命令查看:
echo $HOME目录切换¶
以下示例假设当前目录下已有 project 文件夹,演示用 cd 进入目录、返回上一级和回到主目录:
cd project
cd ..
cdcd .. 回到上一级目录,单独输入 cd 回到主目录。理解路径是使用 Linux 文件系统的基础。运行 notebook、安装包和读取数据时,很多错误都来自当前目录不对。
文件操作¶
创建空文件:
touch hello.txt创建目录:
mkdir hello_linux移动或重命名:
mv hello.txt notes.txt删除文件:
rm notes.txt删除目录要格外小心:
rm -r hello_linux不要随意使用 rm -rf,尤其不要在尚未确认路径时删除目录。课程作业中通常不需要强制删除。
查看文件¶
假设当前目录中有一个名为 file.txt 的文本文件,可以用下面的命令查看内容或统计信息:
cat file.txt
less file.txt
head file.txt
tail file.txt
wc file.txt查看大文件时,不要直接用 cat 打印全部内容。先用 head 或 tail 查看开头和结尾;如果想逐页浏览,可以用 less file.txt,进入后用方向键或翻页键移动,按 q 退出。
ls -htla 是一个常用组合。h 让文件大小更容易读,t 按时间排序,l 使用长列表格式,a 显示隐藏文件。长列表最左侧会显示权限:第一个字符 d 表示目录;r、w、x 分别表示可读、可写、可执行。权限通常按“所有者、同组用户、其他用户”三组展示。
编辑文件¶
服务器上常见编辑器包括:
nano:简单,适合初学者。vim:强大,但需要学习。emacs:功能完整,学习曲线较长。
初学者可以先用:
nano notes.txt保存和退出按屏幕底部提示操作。nano 底部的 ^X 表示按 Ctrl+X;退出时如果询问是否保存,输入 Y 表示保存,确认文件名后回车即可。对初学者来说,nano 可以理解为服务器上的极简记事本,适合修改小脚本、配置文件和笔记。
程序运行与数据传输¶
运行 Python¶
在终端中查看 Python 版本:
python --version
python -c "import sys; print(sys.executable)"在本地、Anaconda、Jupyter 和远程服务器之间切换时,最常见的问题是:安装包时使用了一个 Python,notebook 实际使用的却是另一个。因此,每次排查环境问题时,都应先运行上面的 sys.executable 检查路径,再用同一个解释器执行安装命令:
python -m pip install nixtla如果已在当前目录保存 Python 脚本 script.py,可以这样运行:
python script.py注意区分系统终端和 Python 解释器。普通终端提示符常见形式是 $ 或包含用户名、主机名的字符串;进入 Python 后通常会看到 >>>。如果你在 >>> 后输入 ls,Python 会把它当成 Python 代码而不是 Linux 命令。退出 Python 可以输入 exit(),回到终端后再运行文件操作命令。
如果 .py 文件里只写了一个表达式,运行脚本时不一定会显示结果。想看到输出,应使用 print():
print(3 + 4)安装包建议使用:
python -m pip install pandas这样可以减少因 pip 和 python 不属于同一环境而导致的问题。
查看 GPU 或本地 AI 设备状态时,不同平台使用的命令可能不同。英伟达环境常见的命令是 nvidia-smi,新型本地设备还可能提供自己的 dashboard 或系统监控工具。不要只看“有 GPU”三个字,还要检查当前进程、温度、功耗、可用内存,以及是否已有其他人在运行任务。运行深度学习 notebook 前先确认资源状态,可以降低任务中途失败的风险,并减少资源争用。
标准输入、输出和错误¶
Linux 中很多程序把结果写到标准输出 stdout,把错误或状态信息写到标准错误 stderr。默认情况下,它们都会显示在屏幕上。
可以把输出保存到文件:
ls -l /usr/bin > ls-output.txt追加输出:
ls -l /usr/bin >> ls-output.txt下面假设 /bin/usr 不存在,用它演示如何把错误信息单独保存:
ls -l /bin/usr 2> ls-error.txt这些机制对保存实验日志很有用。
管道¶
管道把一个命令的输出交给下一个命令:
ls -l /usr/bin | wc
ls /bin /usr/bin | sort | head常见管道工具包括:
sort:排序。uniq:去重或统计重复。grep:按模式筛选文本。wc:统计行数、词数和字节数。head/tail:查看开头或结尾。tee:同时显示并写入文件。
预测项目中,管道常用于查看日志、统计文件数量、筛选错误信息。
例如,可以用 wc 统计输出行数,用 grep 筛选错误,用 tail 查看最新日志,再用 > 或 >> 保存结果。这些命令有助于把一次手工运行转化为可复查的实验记录。
上传和下载¶
图形化工具可以使用 FileZilla。熟悉命令行后,可以使用:
scp local.csv 用户名@服务器地址:~/project/
rsync -av data/ 用户名@服务器地址:~/project/data/传输前确认文件不含密码、API key 或敏感数据。
获取帮助¶
查看命令手册:
man mkdir
mkdir --help如果不确定命令是否会修改文件,应先阅读帮助,或在测试目录中练习。
小结¶
Linux 基础的目标不是背命令,而是理解文件、路径、环境和输入输出。预测项目中,绝大多数服务器问题都可以归结为:你在哪个目录,用哪个 Python,读哪个文件,把输出写到了哪里。
练习¶
登录服务器后运行
whoami、pwd、ls -htla。创建目录
forecasting_practice,进入目录并创建hello.py。在
hello.py中写一行print("hello forecasting"),并用 Python 运行。把
ls -htla的输出保存到files.txt。使用管道统计当前目录中文件列表的行数。
参考文献¶
- Alammar, J., & Grootendorst, M. (2024). Hands-On Large Language Models: Language Understanding and Generation. O’Reilly Media.
- Hyndman, R. J., & Athanasopoulos, G. (2021). 预测:方法与实践. OTexts. https://otexts.com/fpp3cn/