【华为鲲鹏云-树莓派 conda sklearn】arm架构机器学习解决方案

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。