ubuntu pip安装 anaconda

### 如何在 Ubuntu LTS 上安装 Anaconda #### 准备工作 确保系统已更新至最新状态并安装必要的依赖项。可以通过运行以下命令来完成此操作： ```bash sudo apt update && sudo apt upgrade -y ``` #### 下载 Anaconda 安装脚本 访问官方 Anaconda 网站获取最新的安装链接，通常会提供不同版本的选择。对于大多数用户来说，推荐使用最新稳定版。 通过 wget 命令下载适用于 Linux 的 Anaconda bash 脚本： ```bash wget https://repo.anaconda.com/archive/Anaconda3-2023.07-1-Linux-x86_64.sh ``` 注意：这里的 URL 和文件名可能会随着新版本发布而变化，请务必前往官方网站确认具体的下载地址[^3]。 #### 验证下载的 SHA-256 校验码 为了安全起见，在执行安装之前应当验证所下载文件的完整性。可以利用 sha256sum 工具来进行校验： ```bash sha256sum Anaconda3-2023.07-1-Linux-x86_64.sh ``` 对比输出的结果与官网上提供的哈希值是否一致，如果匹配则说明文件未被篡改。 #### 执行安装程序 赋予该 shell script 可执行权限，并启动安装向导： ```bash chmod +x Anaconda3-2023.07-1-Linux-x86_64.sh ./Anaconda3-2023.07-1-Linux-x86_64.sh ``` 按照提示阅读许可协议，选择同意后指定安装路径，默认情况下会在用户的 home 文件夹内创建一个新的 anaconda3 目录。 #### 初始化配置环境变量 当询问是否初始化 Anaconda 时输入 `yes` ，这一步骤将会自动修改 `.bashrc` 或者相应的 shell profile 文件以便每次登录都能激活 conda 环境。 重启终端使更改生效，或者手动加载新的设置： ```bash source ~/.bashrc ``` 此时应该能够看到 `(base)` 提示符表示已经成功进入了 base Conda environment 中。 #### 测试安装情况 最后，测试一下 Python 解释器以及 pip 是否正常工作： ```bash python --version pip list ``` 以上就是完整的 Anaconda 在 Ubuntu LTS 平台上的安装流程。

### 正确安装和配置 Anaconda 以及其与 PyTorch 的关联 #### 安装 Anaconda 在 Ubuntu 系统中安装 Anaconda 是一项相对简单的过程，但仍需注意一些关键步骤以确保顺利进行。首先，从官方网站下载适用于 Linux 的 Anaconda 安装脚本[^4]。接着通过终端导航至保存安装文件的位置并执行以下命令来启动安装过程： ```bash bash Anaconda3-latest-Linux-x86_64.sh ``` 在此过程中，阅读许可协议并接受条款之后，系统会询问希望将 Anaconda 安装在哪一个目录下；推荐采用默认选项以便于后续管理和维护[^1]。 完成安装后，重启终端使更改生效，并可通过输入 `conda --version` 来确认安装是否成功。 #### 配置环境变量 为了能够在任意位置调用 Conda 命令而无需每次都指定完整路径，需要编辑用户的 shell 初始化文件（如 `.bashrc`），添加如下行以更新 PATH 环境变量： ```bash export PATH="/home/$USER/anaconda3/bin:$PATH" ``` 随后运行 `source ~/.bashrc` 让修改立即生效。 #### 添加国内镜像源加快下载速度 由于网络原因可能导致国外资源加载缓慢甚至失败，因此建议配置清华大学开源软件镜像站作为主要渠道之一。这可以通过一系列简单的 Conda 配置命令实现： ```bash conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/ conda config --set show_channel_urls yes ``` 这样做的好处是可以显著提升依赖包检索及安装的速度[^3]。 #### 创建用于 PyTorch 开发的专用虚拟环境 考虑到不同项目的特定需求可能会引发版本冲突等问题，强烈建议为每一个重要任务分别建立独立的 Conda 虚拟环境。例如要设立名为 "pytorch_env" 的新环境且基于 Python 3.9，则只需键入下列语句即可达成目标： ```bash conda create -n pytorch_env python=3.9 ``` 激活新建好的环境前，请记得切换过去再继续下一步骤的操作： ```bash conda activate pytorch_env ``` #### 在 Conda 环境里安装 PyTorch 和其他必要组件 一旦进入正确的虚拟环境中以后，就可以着手准备引入核心框架及其附属工具集了。假设当前使用的硬件平台具备 NVIDIA GPU 并支持 CUDA 技术的话，那么应该挑选匹配相应驱动程序版本号的一组预编译二进制文件来进行部署。举个例子而言，当存在 CUDA 11.7 运行时的时候，可以尝试下面这条命令去获取兼容性的 PyTorch 发布版本[^2]: ```bash pip install torch==1.10.0+cu111 torchvision==0.11.0+cu111 torchaudio==0.10.0 -f https://download.pytorch.org/whl/torch_stable.html ``` 当然如果没有可用图形处理器或者不想启用加速计算功能的话，也可以单纯依靠 CPU 执行运算逻辑，此时仅需调整参数从而选取纯 CPU 构建类型的发行版就可以了： ```bash pip install torch torchvision torchaudio ``` 最后一步就是验证整个流程下来所做的一切努力成果如何啦！借助内置函数我们可以轻松检测到实际加载成功的库实例详情信息： ```python import torch print(torch.__version__) print(torch.cuda.is_available()) ``` --- ###