视觉入门篇——深度学习环境部署（ubuntu系统conda环境配置）

原创 于 2025-10-17 20:54:01 发布 · 1.7k 阅读 · 17 ·
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

部署运行你感兴趣的模型镜像

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

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 2473
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。
从入门到进阶，史上最全Python精华
m0_72444380的博客
09-23 888
去年我在使用Medium平台时，只用它来读别人写的文章，也就是在消费内容，从而读了一大堆关于Python的文章。随后，文章深入分析了6种数据可视化类型，并给出了使用PythonMatplotlib的例子，实现了以下内容两种散点图，线图，柱状图，条形图和箱形图。“迭代器指的是可在其上迭代（循环）的对象，其作用是为数据抽象出一个容器，使其表现出与迭代对象类似的功能。”该教程使用Python，带领你体验完全交互的例子，即Bokeh交互可视化库，并附有公共数据集。......
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。......
Ubuntu20.04安装+conda配环境全记录
Dneccc的博客
03-09 6341
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，
收藏的博文（给收藏夹减负）
qq_15243129的博客
12-29 979
主要是收集了之前看过的有用、有帮助的文章。
新装Ubuntu系统基本环境安装配置(conda)
女神sha手的博客
11-01 7155
1. 配置显卡驱动 # 查看显卡驱动 nvidia-smi 其中，396.82表示显卡驱动的版本号，这里还没有安装cuda, 如果安装cuda的话右上角还会显示cuda的版本信息。要注意显卡驱动版本和cuda版本的对应关系如下表所示。 cuda版本显卡驱动版本对应关系可以参考：https://docs.nvidia.com/cuda/cuda-toolkit-release-notes/index.html 备注：显卡驱动下载： 驱动下载地址：https://www.nvidia...
ubuntu20.04安装conda
天启的博客
02-24 5469
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 5440
【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 1442
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 9471
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 1210
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配置深度学习环境
最新发布
07-05
### 环境准备与依赖安装 在开始配置深度学习环境之前，确保系统已经更新到最新状态，并安装必要的开发工具链。以下是推荐的步骤： ```bash sudo apt-get update sudo apt-get install build-essential cmake git unzip pkg-config sudo apt-get install python3-pip python3-dev python3-venv ``` 这些命令将安装基础的编译工具、Python环境以及相关依赖项，为后续的深度学习框架安装打下基础[^2]。 ### NVIDIA驱动与CUDA安装 对于支持GPU加速的深度学习任务，首先需要正确安装NVIDIA显卡驱动和CUDA工具包。以下是一般步骤： 1. **禁用 Nouveau 驱动**： ```bash sudo bash -c "echo blacklist nouveau > /etc/modprobe.d/blacklist-nvidia-nouveau.conf" sudo update-initramfs -u ``` 2. **重启系统并进入TTY模式安装驱动**： 使用 `sudo apt install nvidia-driver-<version>` 安装特定版本的驱动程序，其中 `<version>` 是您所需的驱动版本号。 3. **安装 CUDA Toolkit**： 可以通过官方仓库或者下载.run文件进行安装。推荐使用conda管理CUDA版本，例如： ```bash conda install cudatoolkit=11.8 -c nvidia ``` 这样可以避免不同项目之间的CUDA版本冲突[^4]。 ### Python虚拟环境配置 为了保持环境的干净与隔离，建议使用虚拟环境（如 `venv` 或 `conda`）来管理Python包。创建一个新的虚拟环境并激活它： ```bash python3 -m venv myenv source myenv/bin/activate ``` 如果使用Conda，则可以通过以下命令创建环境： ```bash conda create --name myenv python=3.9 conda activate myenv ``` 选择合适的Python版本以确保与所使用的深度学习框架兼容性[^4]。 ### 安装深度学习框架 #### PyTorch 安装PyTorch时，请根据您的硬件配置选择适当的版本。例如，在具有CUDA 11.8支持的环境中安装PyTorch 2.2.0： ```bash pip install torch torchvision torchaudio ``` 如果您遇到了与cuBLAS库相关的错误，可以通过重新安装匹配的CUDA工具包解决这个问题。 #### TensorFlow 对于TensorFlow用户，同样需要注意CUDA和cuDNN的版本匹配问题。安装TensorFlow GPU版本的方法如下： ```bash pip install tensorflow-gpu==2.11.0 ``` 请替换 `2.11.0` 为您想要安装的具体版本，并确认该版本支持当前系统的CUDA/cuDNN版本[^3]。 ### Jupyter Notebook集成 为了让Jupyter Notebook能够识别新创建的Python环境，需将其添加至内核中： ```bash python -m ipykernel install --user --name=myenv --display-name "Python (myenv)" ``` 这样就可以在Jupyter Notebook中切换不同的Python环境，方便进行多项目的开发与测试[^1]。 ### 监控与调试工具 为了更好地监控GPU使用情况及优化性能，可以安装一些实用工具： ```bash pip install nvitop matplotlib ``` 这将允许您实时查看GPU资源利用率，帮助诊断潜在的瓶颈问题[^4]。 ---
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