写在前面 : 套路总结 节省时间
Linux64 + conda 换64位系统,然后安装 Miniforge
由于机器学习建模主要依赖CPU核心算力且对内存要求不高的特点,(某在白嫖华为云的时候翻车 租到了鲲鹏云arm架构的服务器,然后发现树莓派也能用才写的)树莓派4B完全可以胜任简单学习建模需要。
华为:鲲鹏通用计算增强型 CPU:2核 内存:4G
树莓派4B: 2G/4G/8G 版本皆可 建议使用2G版本,建模对内存要求真心不高
系统要求
Linux 64位 32位python包太难找,简单起见直接上64位系统
华为提供的是 Ubuntu 18.04 server 64bit with ARM 因此不需要额外操作
树莓派系统目前国内普遍使用的 32位 的,当然国内已经有团队进行了64位开发 —> Debian-Pi-Aarch64 ★ 全新树莓派64位系统 膜拜大佬们,这里不做过多介绍。
如何查看 系统位数
# uname -a
鲲鹏服务器
----------------------
Linux ecs-kc1-large-2-linux-20210127172241 4.15.0-70-generic #79-Ubuntu SMP Tue Nov 12 10:36:10 UTC 2019 aarch64 aarch64 aarch64 GNU/Linux
树莓派
----------------------
Linux ubuntu 5.4.0-1015-raspi #15-Ubuntu SMP Fri Jul 10 05:34:24 UTC 2020 aarch64 aarch64 aarch64 GNU/Linux
只要出现aarch64
证明是64位系统
关于树莓派系统 这里使用的是 ubuntu-20.04.1 server,主要是远程连接且安装不需要显示屏。具体安装过程 —> 树莓派 ubuntu server 20.04
conda 安装
conda进行包管理实在是省心省力 ,arm版本conda 使用 Miniforge , 优点他官网有说 --> miniforge,也可以使用Miniconda —> 树莓派 miniconda 3.7
环境配置
按照 Miniforge 官网说的他们已经是精简版了,但是他们服务器在国外,嗯,还是的换下源,尽量提高速度
我这边使用的是 北外源站
conda config --add channels https://mirrors.bfsu.edu.cn/anaconda/cloud/c4aarch64/
conda config --add channels https://mirrors.bfsu.edu.cn/anaconda/pkgs/main
conda config --add channels https://mirrors.bfsu.edu.cn/anaconda/pkgs/r
conda config --add channels https://mirrors.bfsu.edu.cn/anaconda/pkgs/msys2
conda config --add channels https://mirrors.bfsu.edu.cn/anaconda/cloud/conda-forge/
conda config --set show_channel_urls yes
前提说明,这里换源并不能解决安装过慢的问题,最好的方法是配合 某雷 等第三方下载,下载下来本地安装。嗯。