miniconda安装

提示：文章写完后，目次可以自动生成，怎样生成可参考右边的资助文档
  
  

---

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，呆板学习这门技术也越来越紧张，许多人都开启了学习呆板学习，本文就介绍了呆板学习的基础内容。

---

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和其依靠。
Anaconda：体积较大，包含了高出150个科学计算和数据分析的包。
预装包：
Miniconda：仅包含Conda和少量的依靠包。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呆板学习相干的包，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呆板学习情况的用户。
2.安装minnconda

2.1 进入官网，选择合适的文件

• 官网链接：miniconda官网
  
• 选择服务器对应的文件，（我的是Linux),这三个Miniconda安装包的区别主要在于它们支持的Linux架构差别。
  

Miniconda3 Linux 64-bit:实用于通例的x86_64架构的Linux体系。这是最常见的PC和服务器使用的架构。
Miniconda3 Linux-aarch64 64-bit:实用于ARM架构的64位Linux体系。这种架构通常用于某些服务器、嵌入式体系和移动设备（如Raspberry Pi 4等）。
Miniconda3 Linux-s390x 64-bit::实用于IBM的s390x架构的Linux体系。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。假如你不确定自己的架构，可以使用以下命令来检查

1. uname -m

复制代码

  若返回：x86_64 体现你需要选择第一个安装包。
若返回：aarch64 或者 arm64 体现你需要选择第二个安装包
若返回：s390x 体现你需要选择第三个安装包
  我返回的是第一个，以是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，但是不停报错

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文件所在的文件目次，在当前文件目次下输入指令安装miniconda。
3.1 起首导航到文件所在的目次

1. cd /home/liurui/anaconda3/

复制代码

3.2 运行安装脚本

起首使用chmod 命令赋予实行权限

1. chmod +x Miniconda3-latest-Linux-x86_64.sh

复制代码

赋予权限之后，再运行安装脚本

1. ./Miniconda3-latest-Linux-x86_64.sh

复制代码

这句跟上一句代码作用一样，二选一

1. bash Miniconda3-latest-Linux-x86_64.sh

复制代码

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情况变量，输入yes，否则需要自己配置情况变量

后面出现这个语句分析安装成功

3.4 激活miniconda

安装完成后，你需要激活Miniconda情况。通常会在安装的末了一步提示你添加Miniconda到体系的PATH中，你可以手动添加或者实行以下命令激活：

1. source ~/miniconda3/bin/activate

复制代码

  假如你选择了默认安装路径，~/miniconda3 是默认路径。假如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

1. conda --version

复制代码

假如表现了Conda的版本信息，分析安装成功。
4.conda 常见命令

• 安装包
  

1. conda install package_name # 例如：conda install numpy

复制代码

• 安装特定版本的包
  

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

复制代码

• 更新包
  

1. conda update package_name # 例如： conda update numpy

复制代码

• 移除包
  

1. conda remove package_name # 例如：conda remove numpy

复制代码

• 查看已安装的包
  

1. conda list

复制代码

• 查看存在哪些虚拟情况
  

1. conda env list

复制代码

• conda 是没有重定名指令，那可以通过克隆一份，然后再删除原来的.。
  先克隆情况：
  

1. conda create --name new_env_name --clone old_env_name

复制代码

验证克隆的情况

1. conda activate new_env
2. conda list

复制代码

删除原情况：

1. conda remove --name old_env --all

复制代码

• 查看conda 版本
  

1. conda --version

复制代码

• conda 查询包
  

1. conda search package_name# 查询包

复制代码

二、配置虚拟情况

1、创建、进入、退出、删除虚拟情况

1. 创建虚拟情况

1. conda create --name graph python=3.12

复制代码

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

1. conda search python

复制代码

版本从旧到新。
2.进入虚拟情况

1. conda activate myenv

复制代码

3. 退出虚拟情况到base情况中

1. conda deactivate

复制代码

4. 删除虚拟情况

1. conda env remove -n py37_torch

复制代码

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

假如你已经实行了错误命令，可以通过历史命令功能找到并修改之前的命令：

• 上下箭头：欣赏历史命令
  
• Ctrl+R：搜刮历史命令
  

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）

   安装的时候一定要进入详细的虚拟情况安装，不要在base情况中，以免粉碎虚拟情况
  使用

1. nvidia-smi

复制代码

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：

1. import torch
3. print("CUDA available:", torch.cuda.is_available())
4. print("CUDA version:", torch.version.cuda)
5. print("cuDNN version:", torch.backends.cudnn.version())
6. print("Number of GPUs:", torch.cuda.device_count())
7. print("Current GPU:", torch.cuda.current_device())
8. print("GPU Name:", torch.cuda.get_device_name(torch.cuda.current_device()))

复制代码

五、清华镜像

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

复制代码

免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！更多信息从访问主页：qidao123.com:ToB企服之家，中国第一个企服评测及商务社交产业平台。