Linux环境(Ubuntu 16.04)下Anaconda环境迁移

Ubuntu/Centos 离线环境 deb/anaconda 环境搭建/迁移 离线环境Linux环境搭建 应用和服务将逐步迁移到私有云平台,而私有云平台为离线环境,所有依赖包和软件包均无法在线安装,需要离线安装 难点 离线环境下部署的一个重要难点在于依赖包众多,很难单独的一个一个的安装依赖包。 解决思路 在VMware虚拟机中搭建一个与服务器版本一致的Linux系统,安装方式选择最小化安装。以Ubuntu系统为例。使用 sudo apt-get -d install packagename 将下载(并不解析安装)packagename和该packagename依赖的所有包均下 阅读详情

Linux环境(Ubuntu 16.04)下Anaconda环境迁移

当我们在服务器上跑自己的代码时,一个好的科学计算环境对于提高码代码的效率是非常有效的。如果一台服务器每个账号都用同一个conda环境,不断地加入各种各样的包,既不利于环境的稳定,也会降低工作效率。

既然如此,我们为何不在自己的账号下建一个conda环境仅供自己使用?有些小伙伴可能会说,安装的包太多了,浪费时间。针对这个问题我们可以直接拷贝别人搭建好的环境到自己账户里,根据自己实际需要使用conda管理自己的包,既省时又省力。
欢迎一起交流,有问题请指出。

创建属于自己的Anaconda环境的步骤:

1.在自己的账号下安装Linux版本的Anaconda.
a. 获取Linux版本的Anaconda包。
wget https://repo.continuum.io/archive/Anaconda3-5.0.1-Linux-x86_64.sh
b. 使用sh 指令运行Anaconda。
sh Anaconda3-5.0.1-Linux-x86_64.sh

注:安装完成后回答yes将Anaconda的绝对路径加入到~/.bashrc文件中。也可以自行使用vim将
export PATH="/home/h/anaconda3/bin:$PATH",加入到bashrc文件并使用source激活。

2.拷贝已有的conda环境至自己文件夹。

使用 tar -cvf name.tar 源环境路径 将原来环境打包为name.tar,之后使用cp指令进行拷贝;也可不打包直接使用cp拷贝。
如果是服务器拷贝的话可以使用scp和sftp命令拷贝其他服务器中的文件夹。此处我强烈推荐使用sftp(不必记要拷贝的文件的详细地址,使用ls指令看就ok,很方便),具体用法:
sftp命令进入其他服务器(sftp -P 8100 user@IP)P指的是端口号,进入源服务器(可以使用ls,lls及其他命令,很方便),使用get命令将文件拷贝到当前服务器。

3.激活拷贝过来的环境

解压文件

tar -xvf  name.tar 

激活环境

source activate 环境路径

注:最好在~/.bashrc中添加激活环境的快捷名称,提高工作效率。具体设置方法如下:

vim ~/.bashrc
alias 快捷名称="source activate 环境路径"
source ~/.bashrc

参考文献

sftp用法参考博客

Ubuntu 20.04 Anaconda 生产就绪部署指南 Anaconda 是面向数据科学的 Python 发行版,其核心价值在于统一的包管理、环境隔离与跨平台可复现性。在 Linux 系统中,它通过 conda 实现对 Python 解释器、C/C++ 库(如 glibc)及二进制依赖的协同管控。Ubuntu 20.04 因系统级约束(如默认 glibc 2.31、systemd --user 环境变量劫持、GNOME 桌面不加载 .bashrc)导致 conda 初始化失败、GUI 应用无法识别环境、import 报 GLIBC 版本错误等典型问题。解决关键在 阅读详情

相关推荐

Ubuntu 18.04 安装 Anaconda 实战指南:兼容性、路径与环境变量详解

Anaconda 是一个集成了 Python 解释器、科学计算库和包管理工具 conda 的独立发行版,其核心原理在于脱离系统 Python 环境,通过静态链接和预编译二进制实现跨平台兼容。技术价值体现在环境隔离性、多版本共存能力及跨用户共享部署可行性;典型应用场景包括数据科学开发、R/Python 混合分析、实验室服务器批量部署及旧系统(如 Ubuntu 18.04)的长期稳定运维。由于该系统基于 glibc 2.27 且默认 shell 为 bash,直接使用 apt 或新版 Anaconda 安装包将

weixin_34080571的博客 407

Linux系统Anaconda目录迁移后使用conda命令出现“坏的解释器”的解决方法

项目场景: Linux下Anaconda所在路径空间不足,需要对Anaconda进行迁移,这里如果你不在意用ocnda创建的虚拟环境的话,建议卸载重新安装,在安装过程中选择新的安装路径即可。教程另行百度 如果不想放弃用conda创建的虚拟环境,就得麻烦一点。 问题描述: 使用mv命令将目录迁移: [root@bogon ~]$ mv /home/anaconda3/ /data/ 修改了~/.bashrc文件下的PATH路径: # export PATH="$PATH:/home/anac

Gransand的博客 6179

Ubuntu 20.04 安装 Anaconda:科学计算环境基建实战指南

Python 科学计算环境的核心挑战在于版本冲突、编译依赖与系统隔离——Ubuntu 20.04 自带的 Python 3.8 和老旧 numpy(1.17)无法满足 PyTorch、scikit-learn 等现代框架对 Python ≥3.9 和 numpy ≥1.21 的硬性要求。Anaconda 通过预编译二进制分发、conda 环境隔离及跨平台 ABI 兼容设计,绕过 GCC、OpenBLAS、CUDA 驱动等底层编译链路,实现开箱即用的科研工程环境。其价值不仅在于安装 Python,更在于构建可

weixin_34221276的博客 411

Ubuntu下迁移Conda环境

【代码】Ubuntu下迁移Conda环境。

Ly-27253的博客 773

Ubuntu 18.04 安装 Anaconda 的七道关键关卡与 installer 适配指南

Anaconda 是面向数据科学的 Python 发行版,其核心依赖 conda 包管理器与系统级运行环境深度耦合。在 Linux 平台,安装本质是 installer(.sh 脚本)在特定内核、glibc 版本、shell 环境和文件系统策略下的可信执行过程。Ubuntu 18.04 作为长期支持发行版,存在 glibc 2.27 锁定、/tmp noexec 挂载、bash/zsh shell 差异及默认源不包含 installer 等底层约束,导致通用安装流程失效。技术价值在于规避系统级风险(如禁止升

346

保姆级教程:在Ubuntu 22.04上通过清华源安装Anaconda(含环境变量配置与验证)

本文提供在Ubuntu 22.04上通过清华源安装Anaconda的保姆级教程,涵盖下载、安装、环境变量配置与验证全流程。特别针对国内用户优化,使用清华镜像源提升下载速度5-10倍,并详细解释每个操作步骤的原理与常见问题解决方案,帮助用户快速搭建Python开发环境。

dinongxu8804的博客 516

Linux上整体迁移Anaconda环境,所有的库包、虚拟环境均可用,同时让所有的用户访问

修改虚拟环境下的可执行文件pip之后,进入虚拟环境后pip和python才可用。没有修改前,如果在虚拟环境中使用pip会报如下错误(我的虚拟环境是。空间不足,所有就需要把anaconda整体迁移,这样就可以保住以前安装的库包,虚拟环境等,否则一切都要重头再来,太麻烦了!配置文件中定义的,如果要让子用户能够共享到root用户下的anaconda所有环境(包括虚拟环境),就必须让子用户能够访问到。中定义的anaconda的环境变量,所以我们把。拷贝到子用户的home目录下,覆盖子用户的。

2401_88244350的博客 1007

Ubuntu 20.04 安装 Miniconda/Anaconda 实操指南:解决 conda activate 失败与环境配置问题

conda 是 Python 科学计算领域主流的跨平台包与环境管理工具,其核心原理是通过独立 Python 解释器、隔离的虚拟环境和声明式依赖解析实现环境可重现性。技术价值在于规避系统 Python 冲突、支持多版本 Python 共存、简化 CUDA/PyTorch 等复杂依赖部署。典型应用场景包括 Ubuntu 20.04 服务器部署数据科学栈、AI 实验室配置 PyTorch 环境、VS Code/PyCharm 集成调试及 Jupyter 内核管理。本文聚焦 Ubuntu 20.04 LTS 系统下

weixin_34033624的博客 465

anaconda3环境整体打包迁移

conda(Anaconda3)环境整体打包并在新机器上部署

满天点点星辰的博客 4108

Ubuntu 20.04 Python环境搭建:conda、pyenv与系统Python协同方案

Python环境管理是Linux开发的基础能力,其核心在于理解解释器、包管理器与路径机制的协同原理。在Ubuntu 20.04中,系统Python深度绑定APT工具链,直接使用sudo pip或混用conda/pyenv易引发ABI冲突、PATH错配与apt_pkg异常等稳定性风险。掌握conda create -n pytorch_env python=3.9等命令背后的依赖解析、二进制兼容性校验与环境隔离逻辑,可有效支撑AI开发、数据科学及多版本项目并行需求。本文聚焦Ubuntu 20.04这一广泛使用

weixin_30856725的博客 536

Ubuntu 16.04 源码编译安装 Python 3.9 实战指南

Python 编程环境的核心在于版本可控、依赖隔离与系统解耦。在老旧但稳定的 Ubuntu 16.04 上,系统自带的 Python 3.5.2 无法满足现代开发对 pip 版本、venv 支持及 TLS 1.2 安全协议的要求,直接 apt 安装易引发 SSL 握手失败、apt 包管理器崩溃等生产级风险。源码编译 Python 3.9 成为兼顾兼容性与自主性的关键技术路径——它绕过二进制分发限制,精准绑定系统 OpenSSL 1.0.2g,原生集成 ensurepip 与优化编译(PGO),并实现 /op

weixin_30598225的博客 427

解决linux转移anaconda3到另一个目录,出现bash: /home2/xxx/anaconda3/bin/conda: No such file or directory的问题

bash: /home2/xxx/anaconda3/bin/conda: No such file or directory

Miss_qing的博客 705

Ubuntu 16.04 安装 TensorFlow 1.15.5 实战指南

TensorFlow 是 Google 开源的主流深度学习框架,广泛用于模型训练与推理;Ubuntu 16.04 作为长期支持(LTS)的 Linux 发行版,虽已结束官方维护,但在工业控制、边缘设备及遗留系统中仍大量部署。其技术价值在于提供稳定、低侵入的运行环境,尤其适配资源受限的老硬件与不可升级的产线系统。典型应用场景包括轻量图像分类、工控机实时推理、CI/CD 流水线兼容性保障等。本文聚焦于在 Ubuntu 16.04 上可靠安装并验证 TensorFlow 1.15.5 的完整路径,涵盖 Pytho

weixin_34378969的博客 353

弱监督学习框架 Detectron2/DRN-WSOD-pytorch 在服务器/windows上配置安装及使用

最近做弱监督学习研究,进行相关分析。发现Detectron2是一个不错的框架,其中也有model zoo相当多种类的预训练模型可以拿来直接用。但是安装配置使用中碰到了许多坑。跟各位小伙伴们分享。。

shuaikang9864的博客 790

Vectorless dynamic动态功耗分析——Voltus

power 计算工具会根据设计信息和用户提供的activity和switching约束来生成虚拟的worst-case的power vector,难点在于哪些instances视为switching,在没有仿真的前提下如何确定开关的时间,使用timing文件(TWF)

qq_44347276的博客 2787

基于Python实现基于遥感指数的水体提取

基于Python实现基于遥感指数的水体提取

gis收藏家的博客 6145

Ubuntu 16.04中Anaconda的安装和迁移(window10\linux)

1. 本地下载: 如下载Anaconda3-5.3.0-Linux-x86_64: https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/ 2. 本地安装 bash Anaconda3-5.3.0-Linux-x86_64.sh source ~/.bashrc 3. 修改源 vi ~/.condarc channels: - defaults show_channel_urls: true default_channels: - ...

jim-123 891

图像评价之计算PSNR、SSIM、MSE、LPIPS和NIQE评价指标

如果代码对你的研究有所帮助,请为该仓库点上小星星。

书山有路,学海无涯! 2638

初入Linux,安装Ubuntu16.04,Anaconda等个人经历

起因 之前装过两次win10,系统装好后要安装软件,然后各软件有各自的迷之问题。因为本科阶段主要做了基于opencv机器人和基于tensorflow的医学图像诊断两个项目,所以每次装完系统,都要装一遍VS和Anaconda,连同自动化专业常用的 Matlab , AD , CAD , Keil 等软件。每次安装,每次都有新感觉(┛`д´)┛ 装的好还好,就怕各种奇怪的系统与软件问题,尤其是这个An...

Eminbogen的博客 883

Keras中LSTM输入数据重塑与预处理实战指南

LSTM(长短期记忆网络)作为循环神经网络的重要变体,在时间序列建模中发挥着关键作用。其核心原理是通过门控机制学习长期依赖关系,而输入数据的正确重塑是实现这一功能的基础。在Keras框架中,LSTM要求输入数据必须组织成(samples, timesteps, features)的三维张量结构,这与传统全连接网络的处理方式截然不同。从工程实践角度看,合理的数据预处理能显著提升模型性能,特别是在处理温度预测、股票价格分析等时间序列任务时。常见的数据源如CSV文件、图像序列等都需要特定的转换方法,包括使用Tim

weixin_42300144的博客 305

玩转Zabbix智能告警:降噪、排班、认领、升级、IM协同

集成Zabbix告警到FlashDuty,获得告警降噪、智能排班、IM协同等能力

n9ecommunity的博客 1032

Ubuntu 16.04升级实战指南:场景辨析、避坑方案与替代架构

Ubuntu LTS版本升级是Linux系统运维中的基础技术动作,其核心涉及APT包管理机制、内核演进兼容性与发行版生命周期管理。理解Debian系`do-release-upgrade`的事务逻辑、`sources.list`源配置与GPG密钥信任链,是保障系统稳定的关键。在安全支持终止(ESM结束)背景下,Ubuntu 16.04已进入维护末期,真实需求多指向兼容性维持而非常规升级——典型如VMware虚拟机部署、RK3588嵌入式开发板适配或Docker容器化运行。本文聚焦‘ubuntu 16.04’

431

Qoder + ADB Supabase :5分钟GET超火AI手办生图APP

本文介绍如何利用Qoder、阿里云 ADB Supabase 和通义千问图像编辑模型,快速构建AI手办生图Flutter应用。无需传统后端,通过AI生成代码、BaaS服务与边缘函数调用,实现从原型到上线的敏捷开发,全流程轻量高效,助力Vibe Coding落地实践。

数据库技术 931

Ubuntu 20.04 安装 Miniconda:科学计算环境快速搭建指南

Python 环境管理是数据科学与AI开发的基础能力,其核心在于解决依赖冲突、版本隔离与跨平台复现三大难题。conda 作为专为科学计算设计的包与环境管理工具,通过二进制预编译、多语言支持(Python/R/C++)和声明式环境定义,显著优于 pip+venv 的纯 Python 方案。在 Ubuntu 20.04 这一广泛使用的 LTS 系统中,GLIBC 2.31 兼容性、APT 与 pip 权限冲突、CUDA 驱动适配等现实约束,使 Miniconda(轻量 conda 发行版)配合 conda-fo

weixin_33698823的博客 473

读取rosbag中的IMU信息并转为tum格式的csv和txt

rostopic -b xx.bag -p /xx > xxx.txt #for euroc structvio import os, sys,re,csv name="street_07" # basedir="/media/yinjie/2498AF1F98AEEF0C/adataset/15results/imu_bagtxt/"+name+'.txt' # txtdir="/media/yinjie/2498AF1F98AEEF0C//adataset/15results/imu_o

qq_42928559的博客 1919

SAP Single Sign-On 全景指南:从传统 SAP SSO 到 SAP Secure Login Service for SAP GUI 的架构、场景与迁移实践

本文系统梳理了SAP生态下的单点登录技术方案,重点分析了SAP GUI的云化替代方案SAP Secure Login Service(SLS)。内容涵盖SNC、Kerberos/SPNEGO、SAML 2.0等核心协议的技术实现,对比了传统SAP SSO与新型SLS for SAP GUI的架构差异,并给出AS ABAP系统的具体实施路径。针对SAP GUI访问、浏览器访问Fiori/移动端等不同场景,提供了详细的协议选型建议和配置指南,帮助团队构建安全可靠且适应云时代的统一认证体系。

2007 年 ~ 2025 年,深耕 SAP 技术 18 年 273
上一篇: 使用Faster-Rcnn训练自己的数据集遇见的问题
下一篇: list和dict的快速保存及恢复
还是少年呀
博客等级 码龄8年 37粉丝 46原创
评论 2
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
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

打赏作者

还是少年呀

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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