miniconda安装

提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档

文章目录

• 前言
• 一、安装miniconda
• • 1.conda与miniconda有什么区别
  • 2.安装minnconda
  • • 2.1 进入官网，选择合适的文件
  • 3.安装miniconda
  • • 3.1 首先导航到文件所在的目录
    • 3.2 运行安装脚本
    • 3.3 按照提示完成安装
    • 3.4 激活miniconda
    • 3.5 验证安装
  • 4.conda 常见命令
• 二、配置虚拟环境
• • 1、创建、进入、退出、删除虚拟环境
  • • 1. 创建虚拟环境
    • 2.进入虚拟环境
    • 3. 退出虚拟环境到base环境中
    • 4. 删除虚拟环境
• 三、当使用Conda命令打错字母或者输入错误的命令
• • 1.使用键盘快捷键删除
  • 2. 使用Ctrl +A 或者Ctrl +E 快捷键
  • 3. 使用历史命令
• 四、在安装pytorch之前要确保cuda版本与pytorch兼容（使用官网的命令在安装pytorch的同时，也能将cuda及cudnn装上）
• 五、清华镜像

前言

提示：这里可以添加本文要记录的大概内容：

例如：随着人工智能的不断发展，机器学习这门技术也越来越重要，很多人都开启了学习机器学习，本文就介绍了机器学习的基础内容。

提示：以下是本篇文章正文内容，下面案例可供参考

一、安装miniconda

1.conda与miniconda有什么区别

安装体积 Miniconda：体积小，仅包含Conda和其依赖。 Anaconda：体积较大，包含了超过150个科学计算和数据分析的包。

预装包： Miniconda：仅包含Conda和少量的依赖包。用户需要手动安装所需的其他包。 Anaconda：预装了大量的数据科学和机器学习相关的包，如NumPy、Pandas、SciPy、Jupyter等

灵活性： Miniconda：提供了极大的灵活性，用户可以根据需要选择安装的包。 Anaconda：适合想要快速搭建数据科学和机器学习环境的用户。

2.安装minnconda

2.1 进入官网，选择合适的文件

Miniconda3 Linux 64-bit:适用于常规的x86_64架构的Linux系统。这是最常见的PC和服务器使用的架构。 Miniconda3 Linux-aarch64 64-bit:适用于ARM架构的64位Linux系统。这种架构通常用于某些服务器、嵌入式系统和移动设备（如Raspberry Pi 4等）。 Miniconda3 Linux-s390x 64-bit::适用于IBM的s390x架构的Linux系统。这种架构主要用于IBM的Z系列大型机。 根据你的硬件架构选择相应的安装包。如果你不确定自己的架构，可以使用以下命令来检查

uname –m

若返回：x86_64 表示你需要选择第一个安装包。 若返回：aarch64 或者 arm64 表示你需要选择第二个安装包 若返回：s390x 表示你需要选择第三个安装包

我返回的是第一个，所以选择第一个安装包下载到本地。 一开始使用命令行将文件上传到服务器，但是一直报错 后面直接将文件拖到Xftp 7软件下面的anaconda3文件夹中了。

3.安装miniconda

上传完成后，登录服务器，进入刚上传.sh文件所在的文件目录，在当前文件目录下输入指令安装miniconda。

3.1 首先导航到文件所在的目录

cd /home/liurui/anaconda3/

3.2 运行安装脚本

首先使用chmod 命令赋予执行权限

chmod +x Miniconda3–latest–Linux–x86_64.sh

赋予权限之后，再运行安装脚本

./Miniconda3–latest–Linux–x86_64.sh

这句跟上一句代码作用一样，二选一

bash Miniconda3–latest–Linux–x86_64.sh

3.3 按照提示完成安装

回车后会看到这样的消息 然后根据提示，按enter,此时会出现有关miniconda3的信息。并且会出现More或者更多的字样，继续按enter,直至出现Please answer ‘yes’ or ‘no’:, 输入:yes 按enter,接下来提示是否添加环境变量，输入yes，否则需要自己配置环境变量 后面出现这个语句说明安装成功

3.4 激活miniconda

安装完成后，你需要激活Miniconda环境。通常会在安装的最后一步提示你添加Miniconda到系统的PATH中，你可以手动添加或者执行以下命令激活：

source ~/miniconda3/bin/activate

如果你选择了默认安装路径，~/miniconda3 是默认路径。如果你选择了自定义路径，请替换为你的实际安装路径。

3.5 验证安装

通过运行以下命令来验证Miniconda是否成功安装

conda ––version

如果显示了Conda的版本信息，说明安装成功。

4.conda 常见命令

conda install package_name # 例如：conda install numpy

conda install package_name=version # 例如：conda install numpy=1.18.1

conda update package_name # 例如： conda update numpy

conda remove package_name # 例如：conda remove numpy

conda list

conda env list

conda create ––name new_env_name ––clone old_env_name

验证克隆的环境

conda activate new_env
conda list

删除原环境：

conda remove ––name old_env ––all

conda ––version

conda search package_name# 查询包

二、配置虚拟环境

1、创建、进入、退出、删除虚拟环境

1. 创建虚拟环境

conda create ––name graph python=3.12

指定3.12，就会从3.12系列中找最新的下载，也可以使用命令查找python 版本

conda search python

版本从旧到新。

2.进入虚拟环境

conda activate myenv

3. 退出虚拟环境到base环境中

conda deactivate

4. 删除虚拟环境

conda env remove –n py37_torch

三、当使用Conda命令打错字母或者输入错误的命令

1.使用键盘快捷键删除

Backspace: 删除光标前的字符 Ctrl+ H :删除光标前的字符（在一些终端与Backspace相同） Ctrl+W：删除光标前的一个单词 Ctrl+U:删除光标前的整行

2. 使用Ctrl +A 或者Ctrl +E 快捷键

Ctrl+A: 光标移动到行首 Ctrl+E:光标移动到行尾

3. 使用历史命令

如果你已经执行了错误命令，可以通过历史命令功能找到并修改之前的命令：

四、在安装pytorch之前要确保cuda版本与pytorch兼容（使用官网的命令在安装pytorch的同时，也能将cuda及cudnn装上）

安装的时候一定要进入具体的虚拟环境安装，不要在base环境中，以免破坏虚拟环境

使用

nvidia–smi

查看CUDA版本 然后在Pytorch官网上找，要确保pytorch版本号小于或等于CUDA版本。直接根据官网给出的命令下载。（不需要使用清华镜像） 注意：要确保python版本在3.8及以上 使用代码python –version查看python版本。 使用官网上这条命令之后，不就能会将pytorch安装上，还会将CUDA 工具包以及cudnn也安装上，就不用再额外装这两个。可以使用代码验证一下：

import torch

print("CUDA available:", torch.cuda.is_available())
print("CUDA version:", torch.version.cuda)
print("cuDNN version:", torch.backends.cudnn.version())
print("Number of GPUs:", torch.cuda.device_count())
print("Current GPU:", torch.cuda.current_device())
print("GPU Name:", torch.cuda.get_device_name(torch.cuda.current_device()))

五、清华镜像

pip install xgboost –i https://pypi.tuna.tsinghua.edu.cn/simple