深度学习环境配置之Anaconda安装及配置（Linux环境）

Leo Sinclair

已于 2024-10-17 20:25:44 修改

阅读量2.7k

点赞数 53

CC 4.0 BY-SA版权

文章标签：深度学习 conda python

于 2024-10-16 19:04:41 首次发布

本文链接：https://blog.csdn.net/m0_56644478/article/details/142989158

本文主要记录关于Anaconda的安装以及conda如何创建虚拟环境以达到多环境配置管理。

深度学习环境配置之Anaconda安装及配置

为什么需要Anaconda

借用GPT的回答：

集成环境：
Anaconda 自带了大量常用的数据科学和机器学习库（如 NumPy、Pandas、Scikit-learn、TensorFlow、Matplotlib 等），因此你可以避免手动安装和配置这些库。还包括 Jupyter Notebook 和 Spyder，这些工具非常方便用于数据分析和可视化。

环境管理:
Anaconda 提供了强大的环境管理工具 conda，让你可以轻松地创建、克隆、删除或切换不同的 Python 环境。这对需要使用不同版本的 Python 或不同依赖库的项目来说特别有用，可以避免库版本冲突问题。

跨平台兼容：
Anaconda 支持在 Windows、macOS 和 Linux 上运行，因此你可以跨多个操作系统无缝切换开发环境。

易于安装和管理库：
使用 conda 可以方便地管理库。相比 pip，conda 还可以管理非 Python 的依赖项，比如用于数据科学的底层 C 或 Fortran 库。

独立性和隔离性：
Anaconda 安装的库和环境与系统的全局环境隔离，避免了与系统级 Python 冲突。

简单来说，具体到深度学习应用场景中，我们一般使用Anaconda管理各种库（下载、配置不同版本）、为不同项目创建不同的conda环境等等。

Anaconda安装

本地安装（Windows/Mac）

可以直接去官网下载，这里就不细说了，一般深度学习跑实验都在服务器上跑，所以我们一般是在服务器上配置相关环境。

如果嫌官网太慢可以尝试清华源选择对应版本下载安装即可，建议一般不要下载最新版本（最新版本一般说不定会有啥问题 @U@）

镜像源

服务器安装（Linux）

如果在学校的话，很多服务器资源是不能直接连外网的，如果使用官网源可能会出现无法下载的情况，这个时候我们需要使用国内源下载安装包（或者可以问问师兄师姐学校自己有没有镜像站，如果有的话用自己学校的就好了）。
另一种方法是通过本地下载安装包，然后在传到服务器上。这里我两种都简单介绍一下。

国内源下载

官方源：https://repo.anaconda.com/archive/

目前常用的国内源

清华源：https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/
中科大源：https://mirrors.ustc.edu.cn/anaconda/archive/

选择你需要的版本，并直接在终端输入指令（这里以清华源为例）：

sudo wget https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/Anaconda3-2020.11-Linux-x86_64.sh

如果系统没有安装wget，可以试一试：

curl -O https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/Anaconda3-2020.11-Linux-x86_64.sh

并且，如果你觉得conda太大，也可以换成安装miniconda，和conda没什么区别，相当于它的精简版，没有预装其他库。miniconda的清华源在：https://mirrors.tuna.tsinghua.edu.cn/anaconda/miniconda/

之后，运行以下指令安装anaconda：

chmod u+x Anaconda3-2020.11-Linux-x86_64.sh
./Anaconda3-2020.11-Linux-x86_64.sh
rm Anaconda3-2020.11-Linux-x86_64.sh

安装过程中会弹出一系列选择，全部回车或者yes就可以了。

在安装完毕后，往往还需要配置环境变量。这里先找到用户目录下的~/.bashrc配置文件，我们将conda路径添加到环境变量中：

vim ~/.bashrc

在打开的文件中添加（注意这里是用你自己anaconda的安装路径）：

export PATH="/home/user/用户路径/anaconda3/bin:$PATH"

添加完毕后，可以用查看conda版本的方式检查是否配成功了：

source ~/.bashrc
conda -V

如图，成功输出版本：

成功输出

本地下载安装包上传到服务器

采用这种方式就比较简单了，先在本地下载服务器所需版本的安装包，接着使用scp指令上传到远程。

scp /本地路径/文件名 用户名@服务器IP:/远程路径/

推荐一个可视化软件（Xftp）,可以通过文件直接拖拽等傻瓜式操作实现各种远程各种文件操作，并且主要能对远程目录一目了然，并且对学生有教育优惠，注册就能用。如果对linux文件操作不熟悉的同学可以试一试这个软件。

xftp

之后同样运行以下指令安装：

chmod u+x Anaconda3-2020.11-Linux-x86_64.sh
./Anaconda3-2020.11-Linux-x86_64.sh
rm Anaconda3-2020.11-Linux-x86_64.sh

最后还是跟上一个方法一样配置环境变量和检查安装是否成功。

Anaconda镜像源配置

如果不配置镜像源，使用conda下载各种库会非常慢甚至连接不上（因为conda服务器在国外），这时最好配置国内的镜像源。

国内镜像站不仅提供了Anaconda仓库，更有第三方源conda-forge、msys2、pytorch等，各系统都可以通过修改用户目录下的.condarc文件来使用各镜像站。

不同系统下的.condarc目录如下：

Linux: ${HOME}/.condarc
macOS: ${HOME}/.condarc
Windows: C:\Users\<YourUserName>\.condarc

还是一样，如果学校内部有镜像源可以试着用自己学校内部镜像源。这里以添加清华源为例，首先打开~/.condarc：

vim ~/.condarc

将下面的配置直接复制粘贴进去：

channels:
  - defaults
show_channel_urls: true
default_channels:
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/msys2
custom_channels:
  conda-forge: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  msys2: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  bioconda: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  menpo: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  pytorch: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  pytorch-lts: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  simpleitk: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  deepmodeling: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/
auto_activate_base: false

之后运行conda clean -i清除索引缓存，保证用的是镜像站提供的索引。并运行conda info检查换源是否成功（本文这里用的是nju的镜像站）。

这里附一个链接，这篇博客关于各种不同的镜像站写得很全，如果有问题可以去看看。

Conda创建虚拟环境

这也是为什么需要anaconda的原因，使用conda创建虚拟环境能隔离不同项目的依赖库和Python版本，避免在同一台机器上多个项目间的库版本冲突问题。比如一个项目可能需要Python 3.9和TensorFlow 2.5，而另一个项目可能使用Python 3.7和TensorFlow 1.x，通过conda，你可以为每个项目创建独立的环境，使它们在同一系统上共存而互不干扰。

具体来说，可以通过以下指令创建一个虚拟环境（如下指令创建了一个名为myenv的python 3.9环境）：