anaconda linux安装教程

在Linux上使用Anaconda安装OpenCV的步骤如下： 1. 首先，确保已经安装了Anaconda。如果没有安装Anaconda，请根据官方文档进行安装和配置。 2. 打开终端，创建一个新的conda环境： ``` conda create -n opencv_env python=3.7 ``` 这将创建一个名为`opencv_env`的新环境，并使用Python 3.7版本。 3. 激活新环境： ``` conda activate opencv_env ``` 4. 安装OpenCV依赖项： ``` conda install numpy matplotlib ``` 这将安装NumPy和Matplotlib库，这些库是OpenCV的常见依赖项。 5. 安装OpenCV： ``` conda install -c conda-forge opencv ``` 这将从conda-forge通道安装最新版本的OpenCV。 6. 验证安装： ``` python import cv2 print(cv2.__version__) ``` 如果成功安装并导入了OpenCV模块，将会打印出OpenCV的版本号。

### Anaconda3 在 Linux 上的安装指南 #### 准备工作 在开始之前，确保已准备好以下事项： - 已连接至互联网以便下载 Anaconda 安装脚本。 - 终端工具可用。 #### 下载 Anaconda 安装脚本 访问 Anaconda 的官方网站或使用其他可信资源获取最新版的 Anaconda 安装程序。可以通过浏览器手动下载或将链接传递给 `wget` 或 `curl` 命令来完成此操作[^1]。 ```bash wget https://repo.anaconda.com/archive/Anaconda3-latest-Linux-x86_64.sh ``` 或者： ```bash curl -O https://repo.anaconda.com/archive/Anaconda3-latest-Linux-x86_64.sh ``` #### 执行安装脚本 进入保存有 `.sh` 文件的目录，并运行以下命令启动安装向导[^2]: ```bash bash Anaconda3-latest-Linux-x86_64.sh ``` #### 阅读许可协议 安装过程中会显示 Anaconda 使用条款。阅读完成后按 Enter 键继续直到被询问是否同意许可证条件。输入 `yes` 表示接受。 #### 选择安装位置 系统将提示您确认默认安装路径（通常是用户的 home 目录下的 anaconda3 文件夹），也可以自定义目标文件夹。推荐保留默认设置以简化后续配置过程[^3]。 #### 初始化 Conda 当问及是否要初始化 Conda (`Do you wish the installer to initialize Miniconda3 by running conda init?`) 时，请键入 `yes` 来启用自动加载功能，这使得每次登录 shell 后都能立即使用 Conda[^4]。 #### 添加环境变量 (可选) 对于某些特定需求可能需要全局生效的情况，需编辑 `/etc/profile` 文件并将 Anaconda bin 路径加入 PATH 中: ```bash sudo nano /etc/profile ``` 追加如下行到文档末尾: ```bash export PATH="/home/$USER/anaconda3/bin:$PATH" ``` 最后使更改即时生效: ```bash source /etc/profile ``` #### 验证安装 验证安装是否成功可通过检查 Conda 及 Python 的版本号实现: ```bash conda --version python --version ``` 如果两个命令均返回有效信息，则表明安装顺利完成。 --- ### 创建与管理虚拟环境 为了更好地隔离不同项目依赖关系，建议利用 Conda 构建独立的工作区。 ##### 创建新环境 假设我们需要建立一个基于 Python 3.9 的开发空间名为 myenv : ```bash conda create -n myenv python=3.9 ``` ##### 切换至指定环境 激活刚才新建好的 myenv 环境: ```bash conda activate myenv ``` 此时任何 pip install 操作都将仅影响当前活动区域而不会污染基础系统库集合。 ##### 查看现有全部环境列表 随时可以调用下列语句浏览所有已经存在的容器实例们: ```bash conda env list ``` ##### 删除不再使用的环境 清理掉无用的历史遗留数据有助于节省磁盘存储空间: ```bash conda remove -n 不再需要的名字 --all ``` --- ### Jupyter Notebook 整合 为了让笔记本界面能够识别刚刚设立的新领域结构,先切换过去之后再开启服务即可. ```bash conda activate your_env_name jupyter notebook path/to/notebooks/ ``` 这样就能保证所选用的具体解释器引擎始终匹配预期设定值了. ---