linux的conda配置与应用阶段的简单指令备注

墨衍会员 · AI 创作全网分发 墨衍智能分发 本文由作者通过墨衍一键同步至各平台 1分发平台 500+累计阅读 501平均单平台已同步平台优快云微信公众号微博知乎掘金百家号博客园抖音小红书 你的文章也可以这样分发 墨衍会员 ¥399起/年，写一次发全网我也要 → 码龄4年

关注

原创最新推荐文章于 2026-08-13 10:43:34 发布 501 阅读 AI 写同款· GEO 优化 ›

PyCharm 2026.1 配置 Python 解释器：5种环境类型（Virtualenv/Conda/SSH/Docker/WSL）全流程对比本文详细介绍了PyCharm 2026.1中配置Python解释器的5种环境类型（Virtualenv/Conda/SSH/Docker/WSL），包括各自的优势、适用场景和全流程配置指南。通过对比分析，帮助开发者根据项目需求选择最合适的Python Interpreter环境，提升开发效率和项目一致性。阅读详情

1.新建某虚拟环境

conda create -n 虚拟环境名 python=Python版本号 (-y)

2.退出当前虚拟环境

conda deactivate

3.查看当前conda环境下所有的虚拟环境

conda info --envs

4.查看conda版本和位置

conda --version

which conda

5.激活某个conda虚拟环境

conda activate 虚拟环境名

收录于

未分类

当前文章被收录于：

未分类

7 篇文章 1 人学习

订阅专栏查看详情

当前文章被以下社区和专栏收录：

标签

#linux #conda #python

告别环境打架！用Conda在Win11上为每个Pytorch项目创建独立的CUDA环境本文详细介绍了如何在Win11系统上使用Conda为每个PyTorch项目创建独立的CUDA环境，解决多项目间环境冲突问题。通过Conda虚拟环境实现CUDA Toolkit、cuDNN和PyTorch版本的精确控制，提升开发效率和环境复现性，特别适合需要多版本CUDA并行的深度学习开发者。阅读详情

相关推荐

Windows下Anaconda安装避坑指南：环境管理核心原理与实操

Python环境管理是数据科学和机器学习工程化的基础能力，其本质是解决解释器、依赖包与运行时路径的协同问题。在Windows系统中，由于PATH机制碎片化、UAC权限限制及符号链接支持不完善，传统pip安装易引发包冲突、GPU失效、内核无法连接等典型故障。Conda作为跨语言环境管理器，通过硬链接复用、预编译二进制包（如MKL优化NumPy）和渠道分层（defaults/conda-forge）提供更强稳定性。其核心价值在于构建可复现、隔离且跨终端一致的开发环境，广泛应用于数据分析、AI模型训练与学术代码交

注重长远天天积累 cqujsjcyj 405

【Conda】超详细的linux-conda环境安装教程

Conda是在Windows、macOS和Linux上运行的开源软件包管理系统和环境管理系统。可以快速安装、运行和更新软件包及其依赖项。可以轻松地在本地计算机上的环境中创建，保存，加载和切换。它是为Python程序创建的，但可以打包和分发适用于任何语言的软件。目前conda的发行版本分为anaconda、miniconda两种，安装了ananconda或miniconda的完整版，就默认安装了conda。anaconda会包含一些常用包的版本，miniconda则是精简版，两者安装均可。

Alex的博客 13万+

Win11 WSL2下为PyTorch配置CUDA环境，我踩过的那些‘共享驱动’和‘版本匹配’的坑

本文详细解析了在Win11 WSL2环境下为PyTorch配置CUDA环境时常见的'共享驱动'和'版本匹配'问题，提供了从驱动验证、CUDA Toolkit版本选择到环境隔离配置的完整解决方案，帮助开发者高效搭建深度学习开发环境。

Script Ahead, Code Behind 501

Linux系统常用Conda命令（不断更新！）

注：一次命令有可能是从虚拟环境中退到conda base环境中，这时候的话再执行一次才会完全从conda环境中退出来，这取决于最前面有没有base字眼。（7）查看conda虚拟环境中安装的所有包。（2）查看已创建的所有conda虚拟环境。（8）在conda虚拟环境中安装包。（9）在conda虚拟环境中卸载包。（10）克隆conda虚拟环境。（3）创建conda虚拟环境。（4）进入conda虚拟环境。（5）退出conda虚拟环境。（6）删除conda虚拟环境。（1）查看conda版本。

ly_twt的博客 1187

强化学习开发环境全栈配置指南：从仿真到实机部署

强化学习作为机器学习的重要分支，通过智能体与环境的持续交互实现决策优化，在机器人控制领域展现出强大潜力。其核心技术原理包括马尔可夫决策过程、价值函数优化和策略梯度方法，依赖GPU加速计算和物理引擎仿真实现高效训练。在四足机器人等复杂系统控制场景中，强化学习能自主习得传统控制方法难以实现的动态平衡和自适应步态。本文以Unitree Robotics机器人开发为实例，详解包含Conda环境管理、Isaac Gym配置、rsl_rl算法库集成在内的全栈开发环境搭建方案，特别针对GPU加速、物理引擎兼容性等工程痛点

cojm55771的博客 492

Anaconda3安装后‘conda not found’？可能是你的安装路径或权限‘坑’了你

本文深入分析了Linux系统下Anaconda3安装后出现'conda not found'错误的常见原因，包括环境变量配置、安装路径选择和权限问题。提供了详细的解决方案，如正确设置PATH变量、修复权限冲突以及不同shell环境下的配置方法，帮助用户快速解决conda命令失效问题。

weixin_31321361的博客 291

Linux服务器安装配置conda——傻瓜版手册

linux服务器安装配置conda傻瓜版手册

liuyider的博客 5030

RV1126B嵌入式AI开发：Anaconda+RKNN-Toolkit2环境搭建与验证

嵌入式AI开发中的模型部署并非简单复用桌面Python生态，而是涉及Host（x86_64主机）、Target（ARM64板端）和Bridge（Docker容器）三层空间的严格解耦。其核心原理在于：模型训练与推理分离，工具链需匹配专用NPU硬件特性，依赖版本必须精确锁定以保障ABI兼容性。技术价值体现在可复现、可审计、低资源占用的工业级交付能力。典型应用场景包括智能摄像头、边缘人脸识别、低功耗AIoT设备等。本文聚焦RV1126B平台，系统阐述基于Anaconda配置PyTorch兼容环境与RKNN-Too

dilv4062的博客 396

linux conda环境安装

Gblfy_Blog 9591

.NET开发者转型Python：双语言开发实战指南

在当今多语言编程环境中，掌握静态类型语言与动态类型语言的混合开发能力已成为开发者进阶的关键技能。静态类型语言如C#提供编译时类型安全和性能优势，而动态类型语言如Python则在快速原型开发和数据科学生态中占据主导地位。通过Python的Conda环境管理和Jupyter Notebook等工具，开发者可以构建跨语言的技术栈，实现核心业务逻辑与数据分析的高效协同。特别是在机器学习领域，Python的TensorFlow、PyTorch等框架与.NET生态的ML.NET形成互补，为开发者提供了从模型训练到生产部

weixin_34174422的博客 366

Python生产部署实战：WSGI/ASGI选型与Gunicorn深度配置

Python部署本质是构建可复现、可验证、可回滚的交付流水线，其核心在于理解WSGI与ASGI代表的两种并发模型——前者基于同步进程/线程，适合CPU密集型传统应用；后者依托异步事件循环，专为高并发I/O场景设计。技术价值体现在稳定性提升、资源利用率优化及故障隔离能力增强。典型应用场景包括Flask/Django（WSGI）与FastAPI/Starlette（ASGI）服务上线，尤其在金融、电商等对延迟和可靠性要求严苛的领域。本文聚焦gunicorn修改py代码自动重启失效、ubuntu deployin

lvwenwen 676

用conda配置Lin环境

背景：在我尝试安装一个蛋白质序列注释工具时，遇到了包冲突的问题，检索发现推荐用conda单独为该软件配置一个环境。下面介绍利用chatgpt搜索到的知识并记录我的操作。

wenbin66666的博客 785

开放平台 - 互动玩法演进之路

随着直播业务和用户规模日益壮大，如何丰富直播间内容、增强直播间内用户互动效果，提升营收数据变得更加关键。

bilibili_TC的博客 1739

Windows下MetaGPT环境配置全攻略与避坑指南

在深度学习项目开发中，环境配置是首要且关键的步骤，尤其是涉及CUDA、PyTorch等复杂依赖时。CUDA作为NVIDIA的并行计算平台，需要与PyTorch版本严格匹配，而conda虚拟环境能有效隔离不同项目的依赖。本文针对Windows平台下MetaGPT的环境配置问题，详细解析了从conda环境创建、CUDA版本匹配到依赖冲突解决的完整流程。特别针对国内开发者常见的网络问题和Windows特有错误（如openssl编译报错），提供了经过验证的解决方案。通过合理使用镜像源、环境变量配置和版本约束等技术手

weixin_33831673的博客 352

高数 | 【极限与等价无穷小】两个重要极限 & 经典错误 & 什么情况下求极限可以直接带入

一. 第一个重要极限二. 第二个重要极限三. 导数定义式全文见【高等数学】两个重要的极限 - 知乎

"You are worthy! You can do it!" 6万+

ANSYS Discovery 2023R1 入门：手把手教你玩转几何模型参数化（附历史追踪避坑指南）

本文详细介绍了ANSYS Discovery 2023R1中几何模型参数化建模的全流程，包括基础设置、参数化实战技巧及历史追踪避坑指南。通过Workbench集成和智能参数控制，工程师可以高效完成设计迭代，特别适合需要频繁调整几何模型的仿真场景。文章还提供了参数丢失的预防策略和工业应用实例，帮助用户快速掌握这一提升设计效率的核心技能。

weixin_33693070的博客 462

CUDA版本对不上？手把手教你用conda安装flash-attn，搞定llava部署第一步

本文详细解析了CUDA版本冲突问题，并提供了使用conda安装flash-attn的完整指南，帮助开发者顺利部署llava多模态大模型。通过环境隔离和精准版本控制，解决常见的CUDA与PyTorch版本不匹配问题，确保flash-attn加速库的正确安装与运行。

367

【2026-Spark实验一-Windows中安装Spark环境】

本文详细介绍了在Windows系统中配置Spark 3.5.8开发环境的完整流程。主要内容包括：安装JDK 8并配置环境变量，下载并解压Spark 3.5.8预编译版，设置SPARK_HOME系统变量，配置Hadoop的winutils工具解决Windows兼容性问题。通过spark-shell和SparkPi示例程序验证环境配置成功，确保Spark能够正常运行分布式计算任务。文中特别强调了路径命名规范、环境变量设置顺序等关键细节，提供了完整的配置截图和验证方法，帮助开发者快速搭建稳定的Spark学习环境。

pblh123的专栏 1586

2025年零基础AI入门指南：从应用到创造的四阶段学习路径

机器学习作为人工智能的核心技术，其本质是让计算机系统通过数据自动改进性能。其工作原理通常涉及从数据中识别模式并做出预测或决策，而无需显式编程。这项技术的价值在于能够自动化复杂任务、提升决策效率并解决传统方法难以处理的问题，广泛应用于自然语言处理、计算机视觉和推荐系统等领域。对于初学者而言，理解机器学习逻辑是掌握AI的关键一步。本指南基于应用驱动的理念，通过可视化工具和低代码平台，帮助零基础学习者从体验AI应用开始，逐步理解其工作逻辑，最终实现动手创造AI项目，特别适合希望快速入门并应用于实际场景的职场人、学

chuiqi9947的博客 346

SIMetrix教程-001.SIMetrix软件简介与安装

由于某些原因需要用到SIMetrix仿真软件，然而网上的资料并不是特别多，故在此记录一下这款仿真软件的学习过程，也给有需要的人提供一些参考，免走弯路。如果使用过Pspice或者LTspice软件，学习SIMetrix会很容易入门，仿真软件都是大同小异的，会一样后都可以快速入门其他软件。 SIMetrix是一款以SPICE模型为基础的仿真软件，集成了SIMetrix和SIMPLIS两款内核，为工程师提供了可靠的、易于使用的、并完美结合了速度与精度的电路仿真方式。官方的话不多说，和LTspice一样，优

gaoyong_wang的博客 2万+

小红书x-mini签名逆向实战：Frida动态Hook与算法还原

在移动App协议分析中，请求签名机制是保障接口安全的核心技术，其本质是客户端对请求参数、时间戳、设备指纹等要素进行加密认证的过程。理解签名原理需掌握Native层加密流程、JNI调用机制及密钥动态派生逻辑。Frida作为主流动态插桩工具，能绕过符号剥离、字符串加密和控制流混淆等反分析手段，在函数执行瞬间捕获寄存器状态、内存数据与调用上下文，实现签名算法的完整还原。该技术广泛应用于合规内容监测、API自动化调用与竞品协议研究等工程场景。本文聚焦小红书x-mini签名这一典型样本，详解从JNI_OnLoad定位

weixin_31264565的博客 457

Python虚拟环境实战指南：venv创建、依赖管理与IDE配置

在Python开发中，环境隔离是确保项目稳定性和可复现性的基础技术。其核心原理是通过创建独立的Python工作空间，实现不同项目间依赖包的版本隔离，避免冲突。这一技术对于现代软件开发至关重要，它能保障开发、测试和生产环境的一致性，有效解决“在我机器上能运行”的经典问题。从Web后端到数据分析，再到机器学习项目，虚拟环境都是工程实践的标配。本文以Python内置的venv工具为例，详细演示了从环境创建、激活到依赖管理的完整流程，并介绍了如何与VSCode、PyCharm等主流IDE高效协作，帮助开发者构建清晰

weixin_33937913的博客 350

手把手教你学PCIE--所有 PF（Physical Function）共同管理和分配 VF

但具体如何分配和使用 VF 取决于硬件设计、驱动程序配置以及实际应用场景。

MHD0815的博客 1462

Python安装库报错C++依赖？一文详解Windows编译环境配置与解决方案

在Python开发中，许多高性能库的核心模块采用C/C++编写，以弥补解释型语言在计算密集型任务上的性能瓶颈。这种混合编程模式通过Python调用底层编译后的二进制扩展，实现了开发效率与执行速度的平衡。当使用pip安装这些库时，如果找不到预编译的二进制包，就会触发本地编译流程，这需要系统具备相应的C++编译工具链。在Windows平台上，微软的MSVC编译器是构建Python扩展的官方标准工具，缺少它会导致经典的“Microsoft Visual C++ 14.0 or greater is require

weixin_34221112的博客 437

STM32开发笔记85: SX1268驱动程序设计（芯片唤醒）

单片机型号：STM32L053R8T6 本系列开发日志，将详述SX1268驱动程序的整个设计过程，本篇介绍芯片唤醒驱动程序。一、RxDutyCycle模式在讲述本篇内容之前，我们先来看一下SX1268的一种模式RxDutyCycle，译为中文为接收占空比模式。其可使用SetRxDutyCycle命令进入RxDutyCycle模式，我们来看一下该命令的详细解释。该命令具有2个参数，...

snmplink的博客 4068

pscad IEEE标准系统搭建说明

pscad IEEE标准系统搭建说明，包含典型的IEEE 9节点、14节点、30节点、39节点和118节点系统。内含标准测试系统的原始数据和潮流结果。

避坑指南：在Windows/Linux上部署YOLOv8+PaddleOCR车牌识别项目的完整流程

本文详细介绍了在Windows/Linux系统上部署YOLOv8+PaddleOCR车牌识别系统的完整流程，涵盖环境配置、模型部署、数据库集成及性能优化等关键步骤。特别针对深度学习环境搭建中的常见问题提供解决方案，帮助开发者高效构建稳健的车牌识别系统。

weixin_28724319的博客 357

LinePhone3.2.7(android端最新版本) sip客户端

SIP客户端For android：LinePhone3.2.7(最新版本)，官网地址：http://www.linphone.org/

上一篇： 3. 切比雪夫（Chebyshev）多项式

下一篇：一个根据时间和剩余奖品数量动态调整抽奖概率的抽奖器

Windows下Anaconda安装避坑指南：环境管理核心原理与实操

注重长远天天积累 cqujsjcyj