在 2024 年这个时间节点,如果要在云服务器(无论是阿里云、腾讯云、华为云还是 AWS 等)上部署 TensorFlow 或 PyTorch,关于 Ubuntu 版本的选择,核心结论非常明确:
首选 Ubuntu 22.04 LTS (Jammy Jellyfish),次选 Ubuntu 20.04 LTS (Focal Fossa)。强烈不建议在生产环境使用非 LTS 版本(如 23.10, 24.04 刚发布不久需谨慎),除非你有极强的底层调试能力。
下面我从实际工程落地、依赖兼容性、以及国内云厂商生态三个维度,把为什么这么选掰开揉碎讲清楚。
1. 为什么是 LTS?稳定性压倒一切
做 AI 训练和推理,最怕的不是代码写不出来,而是环境崩了。LTS(Long Term Support)版本提供 5 年的安全更新和技术支持。
- Ubuntu 20.04:目前的“老当益壮”派。它的内核较老(5.4/5.8),但极其稳定。很多旧的 CUDA 版本(如 CUDA 11.x 系列早期版本)对 20.04 的支持最为完美。如果你的模型比较老,或者使用的框架版本较旧(比如 TF 1.x 或 PyTorch 1.x 早期),20.04 是避坑指南。
- Ubuntu 22.04:当前的“中流砥柱”。内核升级到 5.15,对新的硬件(如最新的 NVIDIA GPU 架构 Ada Lovelace)支持更好。更重要的是,它原生支持更新的 glibc 和编译器(GCC 11+),这对编译一些复杂的 C++ 扩展库(如某些自定义算子)至关重要。
为什么不推荐 24.04?
虽然 Ubuntu 24.04 LTS 已经发布,但在 2024 年中后期,主流深度学习栈(CUDA Toolkit, cuDNN, NCCL)对其适配可能还在快速迭代期。对于生产环境,“晚一个月再追新”是铁律。等到官方文档明确标注“Supported on Ubuntu 24.04”且社区有大量踩坑记录后,再迁移不迟。
2. 与 NVIDIA 驱动和 CUDA 的耦合关系
这是最容易踩坑的地方。PyTorch 和 TensorFlow 本身通过 pip 安装时,通常自带了兼容版本的 CUDA/cuDNN 运行时(尤其是使用 Conda 或 Docker 时)。但如果你选择系统级安装 CUDA(为了获得更好的多卡通信性能或运行某些特定工具链),那么操作系统和 CUDA 版本的匹配就非常关键。
- CUDA 12.x 时代:目前主流是 CUDA 12.1/12.2/12.3。NVIDIA 官方对 Ubuntu 22.04 的支持是最完善的。
- 驱动兼容性:Ubuntu 22.04 默认自带的 Linux 内核更现代,能更好地配合 NVIDIA 的最新专有驱动(535, 550 系列)。在 20.04 上,你可能需要手动添加 HWE (Hardware Enablement) 内核才能跑满最新显卡的性能。
实操建议:
如果你用 Docker,这个问题可以忽略 90%。因为容器内部有独立的 OS 环境。但如果你是在裸金属服务器或 ECS 实例上直接安装,请务必遵循 NVIDIA 官方文档的矩阵表。目前来看,Ubuntu 22.04 + CUDA 12.2/12.3 + Driver 535/550 是最稳妥的黄金组合。
3. 国内云厂商的镜像生态
你提到熟悉国内云计算厂商,这点在实际操作中影响巨大。
- 镜像预装:阿里云、腾讯云、华为云的公共镜像中,Ubuntu 22.04 的更新频率远高于 20.04。这意味着当你创建实例时,22.04 的系统包(apt packages)更接近当前上游 Debian 仓库的状态,减少了后续
apt upgrade带来的潜在冲突。 - AI 提速套件:像阿里云的 PAI、腾讯云的 TI 平台,其底层容器镜像大多基于 Ubuntu 22.04 构建。如果你在本地搭建环境与云端保持一致(Reproducibility),选 22.04 能让你的代码从本地跑到云上少出很多 bug。
- 源的速度:在国内,22.04 的软件源同步速度已经非常成熟。相比 20.04,它在某些新兴科学计算库(如最新版的 OpenCV、SciPy)的二进制包支持上更好,无需自己从源码编译,节省大量时间。
4. 具体部署策略推荐
根据我的经验,给出两套最实用的方案:
方案 A:Docker 优先(强烈推荐)
不管宿主机器是什么版本,只要安装了 Docker 和 NVIDIA Container Toolkit,你就几乎不需要关心宿主机的 Ubuntu 版本。
# 以 PyTorch 为例,直接使用官方镜像
docker run --gpus all -it pytorch/pytorch:2.2.0-cuda12.1-cudnn8-runtime-ubuntu22.04 bash
注意:即使宿主是 Ubuntu 20.04,你也可以拉取基于 22.04 的容器镜像。这是隔离环境依赖的最佳实践。
方案 B:Conda + Pip 虚拟环境(轻量级)
如果你不想用 Docker,建议在 Ubuntu 22.04 上安装 Miniconda 或 Anaconda。
- 安装基础系统:
sudo apt update && sudo apt install python3-dev build-essential - 创建环境:
conda create -n ai_env python=3.10 - 安装框架:
pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu121
这种方式下,Python 解释器和大部分库都在用户空间,与系统底层的 libc 耦合度较低,因此 Ubuntu 22.04 和 20.04 的差异被进一步缩小。
总结
- 新项目/生产环境:无脑选 Ubuntu 22.04 LTS。它是目前平衡了稳定性、新硬件支持和软件生态的最佳点。
- 遗留系统维护:如果现有脚本强依赖 CUDA 11.x 或旧版驱动,继续留在 Ubuntu 20.04 LTS,不要盲目升级。
- 绝对禁区:不要在服务器上尝试使用 Ubuntu 23.10 等非 LTS 版本进行长期运行的 AI 服务部署。
最后提醒一点,无论选哪个版本,记得定期更新内核和 NVIDIA 驱动,特别是在处理多机多卡训练时,内核参数的调优(如 hugepages, transparent_hugepage)对性能影响显著,而这些参数在不同 Ubuntu 版本中的默认配置和路径可能略有不同,务必查阅对应版本的官方最佳实践文档。
云技术博客