视觉入门篇——深度学习环境部署（ubuntu系统conda环境配置）

最新推荐文章于 2025-11-14 20:56:51 发布
原创 最新推荐文章于 2025-11-14 20:56:51 发布 · 1.9k 阅读 · 21 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#深度学习 #ubuntu #conda

Python3.11

Python3.11

Conda
Python

Python 是一种高级、解释型、通用的编程语言，以其简洁易读的语法而闻名，适用于广泛的应用，包括Web开发、数据分析、人工智能和自动化脚本

文章目录

前言

这里正式进入深度学习的先期环境配置，我们终于迎来强大的python管理工具,这里也介绍python更加习惯的编辑器pycharm，一起来看看吧

一、pycharm安装与配置

PyCharm​​ 是 JetBrains 推出的面向 ​​Python​​ 的集成开发环境（IDE），提供代码辅助、重构、可视化调试、测试与版本控制等能力，适用于 ​​Windows、macOS、Linux​​。自 ​​2025.1​​ 起，PyCharm 由原先的 ​​Community​​ 与 ​​Professional​​ 双版本调整为​​统一产品​​：核心功能免费，​​Pro 订阅​​解锁高级功能，并提供 ​​30 天 Pro 试用​​。核心功能包含 ​​Jupyter Notebook 支持​​；专业版额外支持 ​​Django、Flask、Pyramid​​ 等 Web 框架及数据库工具等。
这里先给出中文官方链接
社区免费版：https://www.jetbrains.com/ru-ru/edu-products/download/download-thanks-pce.html
统一版本：https://www.jetbrains.com.cn/en-us/pycharm/download/?section=linux

这里我们之间安装社区免费版即可，理由是社区版内存更小哈哈
在这里插入图片描述
这里直接把它放到我们主目录下并进行解压

tar -zxvf pycharm-community-2025.2.3.tar.gz

此时我们就已经安装完了，接下来让我们开启第一次使用它
首先进入到bin目录中/pycharm-community-2025.2.3/bin，并启动pycharm

./pycharm

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

经过一系列无脑安装引导，我们就进入到了pycharm中文页面中。这里你可以像使用vscode一样在插件中安装自己喜欢的主题。
为了避免每次都用命令打开，我们点击左下角的设置点击创建桌面条目
在这里插入图片描述
在这里插入图片描述
其实就是相当于创建一个快捷打开图标（我们还是喜欢点击图标打开应用的）
在这里插入图片描述
关闭当前pycharm后，重新使用图标打开我们就可以右键进行收藏了
在这里插入图片描述
收藏完就会固定在左侧菜单栏中方便我们使用。
如果你觉得这样安装过于麻烦，这里可以使用ubuntu的snap商店安装

sudo snap install pycharm-community --classic

ok，pycharm的使用就讲到这里，接下来进入正式conda的安装

二、conda是什么？

Conda​​ 是一个开源的 ​​包管理与环境管理工具。它可以​​创建、切换、删除独立的 Python 环境，特别适合 ​​数据科学、机器学习、科研开发​​等领域。
常见的conda软件有：anaconda ，miniconda，miniforge。
想要了解更多相关知识可以去官网学习哦

Anaconda​​：包含 Conda + Python + 1000+ 数据科学包（如 pandas、numpy、jupyter 等）
Miniconda​​：最小化 Conda 安装（只含 Conda 和 Python）
Miniforge​​ ：由 ​​conda-forge 社区​​维护的轻量级 ​​Conda 发行版​​，默认使用 ​​conda-forge​​ 作为软件源，提供与 Anaconda/Miniconda 兼容但更精简的环境与包管理体验，​​Mambaforge​​ 在 Miniforge 基础上集成了 ​​mamba​​（用 C++ 重写的依赖解析器），依赖解析速度显著更快，命令与 conda 保持兼容。
anaconda官网https://www.anaconda.com/

1、 anaconda/miniconda安装

anaconda/miniconda的安装包可以在官网中找到，但是你会发现下载速度非常感人~
不知道你是否还记得清华源？
这里我们借助清华源去下载
在这里插入图片描述
这里可以选择anaconda或者mini版本，这里推荐大家使用mini用于节省空间，后期我们的conda软件包随着我们下周的pip包的增加大小可能超过10G，这里可以适当减减负
在这里插入图片描述
现在是25年10月，我们选择落后最新版本的三个版本左右或者选择24年的版本，追求稳定
在这里插入图片描述
在这里插入图片描述
速度感人，下载后仍然放到主目录
使用sh命令执行.sh安装文件

sh Miniconda3-py310_25.5.1-1-Linux-x86_64.sh

在这里插入图片描述
这里一直按回车就行，然后会提示你yes or no ,我们当然选择or（B01安装anaconda有时候回车按多了会直接跳出安装程序需要重新执行，哈哈哈）
在这里插入图片描述
这里让我们选择是否安装到默认路径，这个路径我挺喜欢的，就这么安装吧，直接回车
在这里插入图片描述
这里问你是否希望每次打开终端时，Conda 自动可用，我们直接yes（看清楚，默认为no）
在这里插入图片描述
此时我们就安装完毕了。
在这里插入图片描述
这时候重新打开一个终端，我们就会自动激活base环境
在这里插入图片描述
输入python，验证一下
在这里插入图片描述
确实是我们安装的版本。到此我们完成了anaconda/miniconda的安装

2、Miniforge（我更喜欢）

miniforge的好处已经写在上面了，多次使用之后我最终选择了Miniforge，因为他在conda安装命令的时候可以使用mamba命令代替，确实快
这里给出github下载链接
https://github.com/conda-forge/miniforge/releases
在这里插入图片描述

如果你能忍受这个下载速度，可以
不过我这里给出一种wget加速下载的方法
之前有同学问，wget后面的网址是怎么得到的。这里可以讲一下，我现在要下载的是linux-86_64.sh,这里选中复制链接就可以得到
在这里插入图片描述

wget https://github.com/conda-forge/miniforge/releases/download/25.3.1-0/Miniforge3-25.3.1-0-Linux-x86_64.sh

在这里插入图片描述
这时候有一个加速方法就是，在网站前面加上这个网站https://hub.gitmirror.com/，最后得到

wget https://hub.gitmirror.com/https://github.com/conda-forge/miniforge/releases/download/25.3.1-0/Miniforge3-25.3.1-0-Linux-x86_64.sh

在这里插入图片描述
这样就是一种新的加速下载github二进制文件方法，你学会了么？

miniforge安装方法前期与anaconda一模一样
但是在你输入yes后，会出现一个报错

在这里插入图片描述

这个报错，不用管！！！重新打开终端即可

在这里插入图片描述
在这里插入图片描述
测试仍然有效

3、conda配置

不自动激活base环境

我们只在深度学习训练过程中会使用到我们的conda环境，在不使用它的时候，我们其实更想一直使用本地的python环境。但是由于我们已经设置了每次打开终端后自动激活base环境，因此这里需要输入一条conda指令，使得我们只在有需要的时候手动激活

conda config --set auto_activate_base false

输完命令后，重新打开终端，发现没有base标志，输入python进行验证
在这里插入图片描述
手动激活conda activate,验证
在这里插入图片描述
说明conda环境尽在掌握

conda换源

是的没错，与软件源，pip源一样，conda也有自己的镜像源，我们需要进行国产镜像的更换，这里需要使用到的是——清华源（哈哈哈哈）

换源方式有两种，一种是conda命令换源

conda config --set show_channel_urls yes #下载包时显示来源
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge 
conda config --set channel_priority strict #设置通道有限级

此时我们点开文件夹找到三条横线，选中显示隐藏文件，会看到**.condarc**
在这里插入图片描述
这里存放着我们conda源的地址和我们之前设置的取消自动激活的指令
![在这里插入图片描述](https://i-blog.csdnimg.cn/direct/372283dd1f894236bc22fcd642a4d911.png
验证是否换源成功

conda config --show channels

在这里插入图片描述

恢复默认源

conda config --remove-key channels

这里再给出其他的源

#中科大
https://mirrors.ustc.edu.cn/anaconda/cloud/conda-forge/
#阿里云
https://mirrors.aliyun.com/anaconda/cloud/conda-forge/
#华为云
https://repo.huaweicloud.com/anaconda/cloud/conda-forge/

三、卸载conda软件

首先删除文件夹

rm -rf ~/anaconda3

再删除.bashrc中的初始化配置
在这里插入图片描述
别忘了source ~/.bashrc

四、亲手创建一个python虚拟环境

我们后期都有用到pytorch,这里我们就以创建一个python版本为3.9，名为pytorch的虚拟环境
创建环境：conda create -n python=<版本>

conda create -n pytorch python=3.9

在这里插入图片描述
在这里插入图片描述

等待一段时间，如果你使用的是miniforge，我们将conda换成mamba,速度会很快。都使用的清华源其实差不多
在这里插入图片描述

在这里插入图片描述
在这里插入图片描述
激活环境： conda activate myenv

conda activate pytorch

在这里插入图片描述
前面出现环境名称说明已经进入pytorch环境

五、常用命令（必须掌握）

#查看 conda 版本
conda --version
#查看所有环境
conda info --envs
#创建环境
conda create --name myenv python=3.10
#激活环境
conda activate myenv
#退出环境
conda deactivate
#安装包
conda install numpy
#使用 pip 安装
pip install package
#查看已安装包
conda list
#删除环境
conda env remove --name myenv
#导出环境
conda env export > environment.yml
# 从文件创建环境
conda env create -f environment.yml

六、conda与pycharm联动

刚才我们已经创建了虚拟环境pytorch,现在让我们在pycharm中去调用它。
先让我们在主目录新建一个learn_python文件夹
在这里插入图片描述
右键选择其他应用打开，找到pycharm并选择信任
在这里插入图片描述
在这里插入图片描述
此时会自动创建一个main.py并提示未为项目配置python解释器
在这里插入图片描述
点击右下角无解释器在这里插入图片描述
添加新的解释器，添加本地解释器
在这里插入图片描述
选择现有
在这里插入图片描述
在下拉菜单中找到conda,第一次导入conda时需要找到可执行文件，这里我们选择路径（这体现了linux路径的重要性，需要牢记）
在这里插入图片描述
在conda软件文件夹中找到condabin文件夹选中conda
在这里插入图片描述
点击重新加载环境
在这里插入图片描述
在环境下拉选择pytorchr然后确定
在这里插入图片描述
此时右下角已经显示pytorch字样，说明当前文件夹的python解释器切换成了pytoch虚拟环境
在这里插入图片描述
点击pycharm左下角终端标志，会弹出已经激活的pytorch终端
在这里插入图片描述
此时pycharm与pytorch进行了绑定，你同样可以绑定其他环境。

在之前系统配置中我们安装了vscode并且配置了python插件，你是否可以在vscode中按照pycharm类似的做法将虚拟环境绑定到vscode的文件夹呢？

总结

这章结束后，你就算正式完成了用于竞赛的简单深度学习训练环境。接下来你将要学习，数字图像、卷积操作、神经网络、深度学习等相关知识从而实现一个模型的训练，你准备好了吗？

您可能感兴趣的与本文相关的镜像

Python3.11

Python3.11

Conda
Python

Python 是一种高级、解释型、通用的编程语言，以其简洁易读的语法而闻名，适用于广泛的应用，包括Web开发、数据分析、人工智能和自动化脚本

YOLOv8【第九章：模型部署篇·第9节】一文搞懂，Docker容器化部署！
**My Coding Family**
12-20 932
🏆 本文收录于 《YOLOv8实战：从入门到深度优化》 专栏。该专栏系统复现并梳理全网各类 YOLOv8 改进与实战案例（当前已覆盖分类 / 检测 / 分割 / 追踪 / 关键点 / OBB 检测等方向），坚持持续更新 + 深度解析，质量分长期稳定在 97 分以上，可视为当前市面上 覆盖较全、更新较快、实战导向极强 的 YOLO 改进系列内容之一。
政安晨：专栏目录【TensorFlow与Keras】【机器学习/深度学习/神经网络/实例实战】
政安晨——致力于AI人工智能数字互动领域
03-25 2500
本文篇是作者政安晨的专栏《TensorFlow与Keras实战演绎机器学习》的总纲，专栏文章不断更新，这篇总纲也会随着专栏不断更新。 TensorFlow给自己的定位是端到端机器学习平台，是一个开源的机器学习框架，用于构建和训练各种机器学习模型。 Keras给自己的定位是一个用 Python 编写的高级神经网络 API，是一个开源的高级神经网络库，用于构建和训练深度学习模型。
Ubuntu20.04安装+conda配环境全记录
Dneccc的博客
03-09 6373
点“选择”，选你刚才下载好的iso系统文件就可以，其他的选项注意跟我一样就可以，然后点“开始”，绿条走完就可以关闭拔出U盘了，现在U盘启动盘就制作好了。下载自己想要的Ubuntu版本，建议不要装最新的，bug多，推荐18.04或者20.04，我装22.04在显卡驱动上卡了一晚上。这里是重点，因为我是跑深度学习的，要用CUDA，所以必须得装官方的驱动，Ubuntu的附件驱动可能不太行。安装后，初始化新安装的 Miniconda。进去之后就会弹出来login让你登录，你就先输入用户名回车，然后输入密码回车，
Ubuntu安装conda
热门推荐
sang_12345的博客
07-15 2万+
期间有ENTER的地方可以直接回车，遇到MORE信息，可以摁Q键跳过，遇到需要输入yes|no的地方输入yes即可。即可直接从清华镜像网站上下载anaconda安装包，视情况选择自己的版本，我选择的是2021.11版本。3.安装完成后关闭终端重新打开终端，输入conda--version。在ubuntu中ctr+alt+t打开终端，输入。1.下载Anaconda安装包。2.安装包下载完成之后键入。如果有版本输出则安装成功。......
Ubuntu系统创建Conda环境并安装Pytorch（保姆教程）
最新发布
bynacqt的博客
11-14 1076
本文介绍了在PyCharm中配置PyTorch GPU开发环境的完整流程。首先通过Conda创建名为"pytorch_gpu"的虚拟环境，然后根据CUDA 12.2版本选择安装兼容的PyTorch 2.4.0及相关组件（包括torchvision 0.19.0和torchaudio 2.4.0）。安装完成后，通过导入torch库并检查CUDA可用性来验证安装是否成功。整个流程包含了环境配置、版本匹配、安装执行和最终验证的完整步骤。
ubuntu20.04安装conda
天启的博客
02-24 5507
它是 Anaconda 的小型引导程序版本，仅包含 conda、Python、它们所依赖的包，以及少量其他有用的包，包括 pip、zlib 和其他一些包。Conda 是一个运行在 Windows、macOS 和 Linux 上的开源包管理系统和环境管理系统。它是为 Python 程序创建的，但它可以为任何语言打包和分发软件。任何语言的包、依赖和环境管理---Python, R, Ruby, Lua, Scala, Java, JavaScript, C/ C++, FORTRAN。
【新手向】conda安装及虚拟环境创建-ubuntu18.04
qq_36497369的博客
02-21 5447
【新手友好版】conda安装及虚拟环境创建-ubuntu18.04
Ubuntu搭建Conda+Python开发环境
BIN-XYB的博客
05-02 1477
1、测试环境为ubuntu24.04.12、更新系统环境3、安装wget工具4、下载miniconda安装脚本。
Conda安装和使用(ubuntu,mac,windows)
allnlei的专栏
09-14 2万+
Conda 是一个强大的工具，能够帮助开发者轻松管理不同的项目环境和依赖。通过合理使用 Conda，您可以避免环境冲突，提高开发效率。是一个跨平台的开源包管理器和环境管理器，最初由 Anaconda 开发，广泛用于数据科学、机器学习和科学计算等领域。这将涵盖从安装到基本操作的各个方面，帮助您高效地管理Python环境和依赖项。创建一个新的 Conda 环境，并指定 Python 版本。假设你需要一个专用于机器学习的环境，Python 3.9，安装。，这是一个社区驱动的、高质量的 Conda 包集合。
conda安装与使用--ubuntu20.04
weixin_44119391的博客
01-06 9543
ubuntu 20.04 conda安装与基本使用
【深度学习基础】：TensorFlow Object Detection API搭建入门篇（1）——环境搭建与测试（专业性+实用型）
![Tensorflow object ... 深度学习与TensorFlow入门 ## 1.1 深度学习简介 深度学习是机器学习的一个分支，它通过构建深层的神经网络来模仿人类大脑的决策过程。它在图像识别、语音识别、自然语言处理等领域取得了革
ROS1&2实战系列（1）系统环境全配置与部署测试
Techblog of HaoWANG
10-16 1243
大家好，我是yma16，本期分享 【 香橙派 AIpro评测】烧系统到部署到体验 AI 应用样例：香橙派 AIpro烧系统到体验 AI 应用样例（新手福音）香橙派 AIproOrange Pi AI Pro 开发板是香橙派联合华为精心打造的高性能 AI 开发板，其搭载了昇腾 AI 处理器，可提供 8TOPS INT8 的计算能力，内存提供了 8GB 和 16GB两种版本。通过昇腾CANN软件栈的AI编程接口，可满足大多数AI算法原型验证、推理应用开发的需求。
香橙派AIpro开箱与系统配置全指南
综上所述，该文档系统地覆盖了香橙派AIpro从硬件开箱到软件环境搭建的全流程，融合了嵌入式系统配置、网络管理、资源优化与AI开发环境部署等多项关键技术，适用于高校科研、工业自动化、智能家居、机器人开发等多个...
Ubuntu18.04：Conda 安装&更新( 建虚拟环境)、VScode 配置安装、Pytorch安装&更新、安装matplotlib
科研学习笔记！
11-15 2万+
Ubuntu18.04：Conda 安装&更新( 建虚拟环境)、VScode 配置安装、Pytorch安装&更新、安装matplotlib
Ubuntu 安装 conda
lojloj的博客
07-15 1万+
需要启动已经修改环境变量，输入以下命令（以后都不用再 source 了，因为启动 Ubuntu 会自动 source）可以看到前缀已经从 base 变成了 py39，你输入 python 后可以看到，python 版本为 3.9.7。你也可以将以下命令行添加到 ~/.bashrc 里面，这样以后只需要输入 py39 就直接进入了。你也可以在 bashrc 最后一行添加以下命令，这样每次登陆服务器时，自动进入 py39。确认安装的路径，一般直接回车安装在默认的 /home/你的名字/anaconda3。
Ubuntu系统的conda基础操作（安装、创建环境、退出）
cryptocxf的博客
09-29 1万+
学习在ubuntu系统上使用conda
ubuntu安装Conda
marsjin的专栏
06-19 1万+
在自定义环境下安装需要的组件，开始你的python世界遨游吧。
Ubuntu怎么使用conda？
m0_57236802的博客
07-19 3258
首先，你需要从Anaconda的官方网站下载适合你的操作系统的Miniconda安装脚本。你也可以在创建环境的同时安装特定版本的Python或其他包。你可以查看Conda的官方文档以获取更详细的信息和更高级的用法。激活环境后，你在该环境中安装的任何包都只会影响该环境，不会影响你的系统Python或其他Conda环境。在Ubuntu上使用Conda，你需要先安装它。你需要按照提示进行操作，接受许可协议，并选择安装位置。当你完成工作并想要退出Conda环境时，你可以使用。要开始使用新环境，你需要先激活它。
ubuntu 轻松安装Conda
黎国溥
12-24 9957
在这篇文章中，将一步步介绍如何下载、安装Conda，并确保它在你的系统上顺利运行。Conda都是一个强大的工具，它可以帮助我们轻松地管理Python环境和包。
ubuntu配置深度学习
03-20
### 如何在 Ubuntu 系统中搭建深度学习环境 #### 1. 安装 NVIDIA 显卡驱动 为了支持 GPU 加速，在安装 CUDA 和 cuDNN 前需先确认已正确安装 NVIDIA 显卡驱动程序。可以通过以下命令查看当前系统的显卡型号并更新到最新的驱动版本： ```bash sudo ubuntu-drivers autoinstall ``` 完成驱动安装后重启计算机以使更改生效。 #### 2. 安装 CUDA 工具包 CUDA 是由 NVIDIA 提供的一套用于加速计算的工具集，适用于深度学习框架中的 GPU 计算需求。按照官方文档推荐的方式下载适合操作系统的 CUDA 版本[^1]。例如对于 Ubuntu 20.04 或更高版本可以执行如下脚本来自动配置依赖关系和安装目标组件： ```bash wget https://developer.download.nvidia.com/compute/cuda/repos/ubuntu$(lsb_release -sr | tr -d '.')/x86_64/cuda-keyring_1.0-1_all.deb sudo dpkg -i cuda-keyring_1.0-1_all.deb sudo apt-get update sudo apt-get -y install cuda ``` #### 3. 设置环境变量 为了让系统识别新安装好的 CUDA 路径，编辑 `~/.bashrc` 文件加入下面两行内容以便加载必要的库路径： ```bash export PATH=/usr/local/cuda/bin:$PATH export LD_LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PATH ``` 保存修改后的文件并通过运行 source ~/.bashrc 来立即应用这些变化。 #### 4. 下载与部署 cuDNN 库 cuDNN 是针对神经网络优化过的高性能数学运算函数集合，能够显著提升训练速度。访问官方网站获取对应于所选 CUDA 版本号的预编译二进制压缩包，并解压至指定目录下覆盖默认位置下的共享对象文件即可完成集成过程[^2]: ```bash tar xvzf cudnn*.tgz sudo cp cuda/include/* /usr/local/cuda/include/ sudo cp cuda/lib64/* /usr/local/cuda/lib64/ ``` #### 5. 构建 Miniconda 或 Anaconda 开发平台 Miniconda 及其扩展形式 Anaconda 是流行的科学计算发行版之一，提供了丰富的第三方插件资源来简化机器学习项目的构建流程。遵循指引材料逐步引导用户顺利完成基础架构初始化工作流[^3]。 ```bash # 下载 miniconda bash installer script 并赋予可执行权限后再启动交互式图形界面向导模式 curl -O https://repo.continuum.io/miniconda/Miniconda3-latest-Linux-x86_64.sh chmod +x Miniconda3-latest-Linux-x86_64.sh ./Miniconda3-latest-Linux-x86_64.sh ``` #### 6. 创建独立虚拟环境 利用 conda manager 新增名为 dl_env 的隔离空间专门服务于后续实验活动开展之需。 ```bash conda create --name dl_env python=3.9 conda activate dl_env ``` #### 7. 安装主流框架及其配套依赖项 最后一步就是引入 TensorFlow 和 PyTorch 这两个广泛使用的开源项目作为核心算法实现载体。注意要挑选兼容先前选定硬件特性的具体分支标签号来进行适配处理。 ```bash # For TensorFlow with GPU support pip install tensorflow-gpu==2.x.y # Alternatively, for PyTorch including CUDA extensions pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu11x ``` 至此整个端到端解决方案就绪可供实际测试验证效果如何！
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值