ubuntu22.04下使用conda安装pytorch(cpu及gpu版本)

已于 2024-02-14 23:16:33 修改
阅读量1.5k 收藏 13
点赞数 10
文章标签： conda pytorch 人工智能 pytorch-gpu
于 2024-02-13 23:47:44 首次发布
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。
本文链接：https://blog.csdn.net/youlinhuanyan/article/details/136109857
版权

本文介绍了conda下安装cpu、gpu版本的pytorch；并介绍了如何设置镜像源

ubuntu环境安装pytorch的CPU版本与GPU版本

系统：ubuntu22.04
显卡：RTX 3050
依赖工具：miniconda

确认环境

lsb_release -a
No LSB modules are available.
Distributor ID:	Ubuntu
Description:	Ubuntu 22.04.3 LTS
Release:	22.04
Codename:	jammy

$ nvidia-smi
Tue Feb 13 21:51:33 2024       
+---------------------------------------------------------------------------------------+
| NVIDIA-SMI 535.154.05             Driver Version: 535.154.05   CUDA Version: 12.2     |
|-----------------------------------------+----------------------+----------------------+
| GPU  Name                 Persistence-M | Bus-Id        Disp.A | Volatile Uncorr. ECC |
| Fan  Temp   Perf          Pwr:Usage/Cap |         Memory-Usage | GPU-Util  Compute M. |
|                                         |                      |               MIG M. |
|=========================================+======================+======================|
|   0  NVIDIA GeForce RTX 3050 ...    Off | 00000000:02:00.0 Off |                  N/A |
| N/A   48C    P3               7W /  35W |    435MiB /  4096MiB |     11%      Default |
|                                         |                      |                  N/A |
+-----------------------------------------+----------------------+----------------------+
                                                                                         
+---------------------------------------------------------------------------------------+
| Processes:                                                                            |
|  GPU   GI   CI        PID   Type   Process name                            GPU Memory |
|        ID   ID                                                             Usage      |
|=======================================================================================|
|    0   N/A  N/A      1854      G   /usr/lib/xorg/Xorg                          226MiB |
|    0   N/A  N/A      2225      G   /usr/bin/gnome-shell                         84MiB |
|    0   N/A  N/A      3199      G   ...irefox/2987/usr/lib/firefox/firefox       95MiB |
|    0   N/A  N/A     48808      G   ...resh,SpareRendererForSitePerProcess       21MiB |
+---------------------------------------------------------------------------------------+

$ conda --version
conda 23.11.0

使用conda安装pytorch（CPU版本）

注意：默认conda安装pytorch的是cpu版本，如需要安装GPU版本的，注意直接看后面

创建一个新conda环境
$ conda create -n myPyt

新创建的环境不包含任何依赖可以使用conda list查看一下

开始安装pytorch（当然，也可以前面在创建环境的同时，把依赖包一同时安装了）

$ conda install pytorch

为了方便验证同时安装ipython

IPython 是 Python 的原生交互式 shell 的增强版，可以完成许多不同寻常的任务，比如帮助实现并行化计算；主要使用它提供的交互性帮助，比如代码着色、改进了的命令行回调、制表符完成、宏功能以及改进了的交互式帮助

# 激活环境
$ conda activate myPyt
# 安装ipython
$ conda install ipython
验证一下pytorch环境

输入ipython，进入交互式环境，依次输入如下两条命令import torch、torch.cuda.is_available()

$ ipython
Python 3.11.7 (main, Dec 15 2023, 18:12:31) [GCC 11.2.0]
Type 'copyright', 'credits' or 'license' for more information
IPython 8.20.0 -- An enhanced Interactive Python. Type '?' for help.

In [1]: import torch

In [2]: torch.cuda.is_available()
Out[2]: False

发现当前的版本是不cpu版本，不支持cuda加速的，我们查看一下依赖

$ conda list
# packages in environment at /home/bing/miniconda3/envs/myEnv:                                                                                                       
#                                                                                                                                                                    
# Name                    Version                   Build  Channel                                                                                                   
_libgcc_mutex             0.1                        main                                                                                                            
_openmp_mutex             5.1                       1_gnu                                                                                                            
blas                      1.0                         mkl                                                                                                            
bzip2                     1.0.8                h7b6447c_0                                                                                                            
ca-certificates           2023.12.12           h06a4308_0                                                                                                            
cffi                      1.16.0          py311h5eee18b_0                                                                                                            
filelock                  3.13.1          py311h06a4308_0                                                                                                            
fsspec                    2023.10.0       py311h06a4308_0                                                                                                            
gmp                       6.2.1                h295c915_3                                                                                                            
gmpy2                     2.1.2           py311hc9b5ff0_0                                                                                                            
intel-openmp              2023.1.0         hdb19cb5_46306                                                                                                            
jinja2                    3.1.3           py311h06a4308_0                                                                                                            
ld_impl_linux-64          2.38                 h1181459_1                                                                                                            
libffi                    3.4.4                h6a678d5_0                                                                                                            
libgcc-ng                 11.2.0               h1234567_1                                                                                                            
libgomp                   11.2.0               h1234567_1                                                                                                            
libprotobuf               3.20.3               he621ea3_0                                                                                                            
libstdcxx-ng              11.2.0               h1234567_1                                                                                                            
libuuid                   1.41.5               h5eee18b_0                                                                                                            
markupsafe                2.1.3           py311h5eee18b_0                                                                                                            
mkl                       2023.1.0         h213fc3f_46344                                                                                                            
mkl-service               2.4.0           py311h5eee18b_1  
mkl_fft                   1.3.8           py311h5eee18b_0  
mkl_random                1.2.4           py311hdb19cb5_0  
mpc                       1.1.0                h10f8cd9_1  
mpfr                      4.0.2                hb69a4c5_1  
mpmath                    1.3.0           py311h06a4308_0  
ncurses                   6.4                  h6a678d5_0  
networkx                  3.1             py311h06a4308_0  
ninja                     1.10.2               h06a4308_5  
ninja-base                1.10.2               hd09550d_5  
numpy                     1.26.3          py311h08b1b3b_0  
numpy-base                1.26.3          py311hf175353_0  
openssl                   3.0.13               h7f8727e_0  
pip                       23.3.1          py311h06a4308_0  
pycparser                 2.21               pyhd3eb1b0_0  
python                    3.11.7               h955ad1f_0  
pytorch                   2.1.0           cpu_py311h6d93b4c_0  
readline                  8.2                  h5eee18b_0  
setuptools                68.2.2          py311h06a4308_0  
sqlite                    3.41.2               h5eee18b_0  
sympy                     1.12            py311h06a4308_0  
tbb                       2021.8.0             hdb19cb5_0  
tk                        8.6.12               h1ccaba5_0  
typing-extensions         4.9.0           py311h06a4308_1  
typing_extensions         4.9.0           py311h06a4308_1  
tzdata                    2023d                h04d1e81_0  
wheel                     0.41.2          py311h06a4308_0  
xz                        5.4.5                h5eee18b_0  
zlib                      1.2.13               h5eee18b_0

发现确实没安装任何cuda库，而pytorch的版本我们也可以看到确实cpu版本pytorch 2.1.0 cpu_py311h6d93b4c_0

conda安装GPU版本的pytorch

如何安装gpu版本的pytorch呢？我们继续
我们查看一下pytorch可安装的版本

$ conda search pytorch
Loading channels: done
# Name                       Version           Build  Channel
...
pytorch                       1.13.1 gpu_cuda113py39h0809116_0  pkgs/main           
pytorch                       1.13.1 gpu_cuda113py39h09dffc6_0  pkgs/main           
pytorch                       1.13.1 gpu_cuda113py39h926b89d_1  pkgs/main           
pytorch                       1.13.1 gpu_cuda113py39hde3f150_1  pkgs/main           
pytorch                        2.0.1 cpu_py310hab5cca8_0  pkgs/main           
pytorch                        2.0.1 cpu_py310hdc00b08_0  pkgs/main           
pytorch                        2.0.1 cpu_py311h53e38e9_0  pkgs/main           
pytorch                        2.0.1 cpu_py311h6d93b4c_0  pkgs/main           
pytorch                        2.0.1 cpu_py38hab5cca8_0  pkgs/main           
pytorch                        2.0.1 cpu_py38hdc00b08_0  pkgs/main           
pytorch                        2.0.1 cpu_py39hab5cca8_0  pkgs/main           
pytorch                        2.0.1 cpu_py39hdc00b08_0  pkgs/main           
pytorch                        2.0.1 gpu_cuda118py310h7799f5a_0  pkgs/main           
pytorch                        2.0.1 gpu_cuda118py310he342708_0  pkgs/main           
pytorch                        2.0.1 gpu_cuda118py311h7668aad_0  pkgs/main           
pytorch                        2.0.1 gpu_cuda118py311hce0f3bd_0  pkgs/main           
pytorch                        2.0.1 gpu_cuda118py38h7799f5a_0  pkgs/main           
pytorch                        2.0.1 gpu_cuda118py38he342708_0  pkgs/main           
pytorch                        2.0.1 gpu_cuda118py39h7799f5a_0  pkgs/main           
pytorch                        2.0.1 gpu_cuda118py39he342708_0  pkgs/main           
pytorch                        2.1.0 cpu_py310hab5cca8_0  pkgs/main           
pytorch                        2.1.0 cpu_py310hdc00b08_0  pkgs/main           
pytorch                        2.1.0 cpu_py311h53e38e9_0  pkgs/main           
pytorch                        2.1.0 cpu_py311h6d93b4c_0  pkgs/main           
pytorch                        2.1.0 cpu_py38hab5cca8_0  pkgs/main           
pytorch                        2.1.0 cpu_py38hdc00b08_0  pkgs/main           
pytorch                        2.1.0 cpu_py39hab5cca8_0  pkgs/main           
pytorch                        2.1.0 cpu_py39hdc00b08_0  pkgs/main

我们可以看到，2.1.0版本的，Build列中，有点的cpu有的是gpu，那么如何安装时指定安装带gpu表示的版本的呢？

我们只需制定版本号的同时，指定build即可

$ conda create -n pyt-gpu
$ conda activate pyt-gpu
$ conda install pytorch=2.0.1=gpu_cuda118py39he342708_0
...
The following NEW packages will be INSTALLED:

  _libgcc_mutex      pkgs/main/linux-64::_libgcc_mutex-0.1-main 
  _openmp_mutex      pkgs/main/linux-64::_openmp_mutex-5.1-1_gnu 
  blas               pkgs/main/linux-64::blas-1.0-mkl 
  ca-certificates    pkgs/main/linux-64::ca-certificates-2023.12.12-h06a4308_0 
  cffi               pkgs/main/linux-64::cffi-1.16.0-py39h5eee18b_0 
  cudatoolkit        pkgs/main/linux-64::cudatoolkit-11.8.0-h6a678d5_0 
  cudnn              pkgs/main/linux-64::cudnn-8.9.2.26-cuda11_0 
  cupti              pkgs/main/linux-64::cupti-11.8.0-he078b1a_0 
  filelock           pkgs/main/linux-64::filelock-3.13.1-py39h06a4308_0 
  gmp                pkgs/main/linux-64::gmp-6.2.1-h295c915_3 
  gmpy2              pkgs/main/linux-64::gmpy2-2.1.2-py39heeb90bb_0 
  intel-openmp       pkgs/main/linux-64::intel-openmp-2023.1.0-hdb19cb5_46306 
  jinja2             pkgs/main/linux-64::jinja2-3.1.3-py39h06a4308_0 
  ld_impl_linux-64   pkgs/main/linux-64::ld_impl_linux-64-2.38-h1181459_1 
  libffi             pkgs/main/linux-64::libffi-3.4.4-h6a678d5_0 
  libgcc-ng          pkgs/main/linux-64::libgcc-ng-11.2.0-h1234567_1 
  libgomp            pkgs/main/linux-64::libgomp-11.2.0-h1234567_1 
  libprotobuf        pkgs/main/linux-64::libprotobuf-3.20.3-he621ea3_0 
  libstdcxx-ng       pkgs/main/linux-64::libstdcxx-ng-11.2.0-h1234567_1 
  magma              pkgs/main/linux-64::magma-2.7.1-h2c23e93_0 
  markupsafe         pkgs/main/linux-64::markupsafe-2.1.3-py39h5eee18b_0 
  mkl                pkgs/main/linux-64::mkl-2023.1.0-h213fc3f_46344 
  mkl-service        pkgs/main/linux-64::mkl-service-2.4.0-py39h5eee18b_1 
  mkl_fft            pkgs/main/linux-64::mkl_fft-1.3.8-py39h5eee18b_0 
  mkl_random         pkgs/main/linux-64::mkl_random-1.2.4-py39hdb19cb5_0 
  mpc                pkgs/main/linux-64::mpc-1.1.0-h10f8cd9_1 
  mpfr               pkgs/main/linux-64::mpfr-4.0.2-hb69a4c5_1 
  mpmath             pkgs/main/linux-64::mpmath-1.3.0-py39h06a4308_0 
  ncurses            pkgs/main/linux-64::ncurses-6.4-h6a678d5_0 
  networkx           pkgs/main/linux-64::networkx-3.1-py39h06a4308_0 
  ninja              pkgs/main/linux-64::ninja-1.10.2-h06a4308_5 
  ninja-base         pkgs/main/linux-64::ninja-base-1.10.2-hd09550d_5 
  numpy              pkgs/main/linux-64::numpy-1.26.3-py39h5f9d8c6_0 
  numpy-base         pkgs/main/linux-64::numpy-base-1.26.3-py39hb5e798b_0 
  openssl            pkgs/main/linux-64::openssl-3.0.13-h7f8727e_0 
  pip                pkgs/main/linux-64::pip-23.3.1-py39h06a4308_0 
  pycparser          pkgs/main/noarch::pycparser-2.21-pyhd3eb1b0_0 
  python             pkgs/main/linux-64::python-3.9.18-h955ad1f_0 
  pytorch            pkgs/main/linux-64::pytorch-2.0.1-gpu_cuda118py39he342708_0 
  readline           pkgs/main/linux-64::readline-8.2-h5eee18b_0 
  setuptools         pkgs/main/linux-64::setuptools-68.2.2-py39h06a4308_0 
  sqlite             pkgs/main/linux-64::sqlite-3.41.2-h5eee18b_0 
  sympy              pkgs/main/linux-64::sympy-1.12-py39h06a4308_0 
  tbb                pkgs/main/linux-64::tbb-2021.8.0-hdb19cb5_0 
  tk                 pkgs/main/linux-64::tk-8.6.12-h1ccaba5_0 
  typing-extensions  pkgs/main/linux-64::typing-extensions-4.9.0-py39h06a4308_1 
  typing_extensions  pkgs/main/linux-64::typing_extensions-4.9.0-py39h06a4308_1 
  tzdata             pkgs/main/noarch::tzdata-2023d-h04d1e81_0 
  wheel              pkgs/main/linux-64::wheel-0.41.2-py39h06a4308_0 
  xz                 pkgs/main/linux-64::xz-5.4.5-h5eee18b_0 
  zlib               pkgs/main/linux-64::zlib-1.2.13-h5eee18b_0 
Proceed ([y]/n)?

安装时，从提示安装的依赖我们可以看出，这个版本确实带上了cuda相关包cudatoolkit、cudnn，这次安装显然时间长了很多，包的大小也近2G

安装完成后，我们再次确认一下cuda加速是否可用；

同样，我们先安装一个ipython

$ conda install ipython

进入ipython后，依次执行如下代码import torch、torch.cuda.is_available()

$ ipython
Python 3.9.18 (main, Sep 11 2023, 13:41:44) 
Type 'copyright', 'credits' or 'license' for more information
IPython 8.15.0 -- An enhanced Interactive Python. Type '?' for help.

In [1]: import torch

In [2]: torch.cuda.is_available()
Out[2]: True

这次cuda可以正常工作，到此完成gpu版本的pytorch安装

当然不是采用conda安装的话，希望自己手鲁，从nvidia驱动、cuda、cudnn这些库开始手动一个个安装好后，最后再安装pytorch也是可以的；关于pytorch手动安装方式，这里给出官方地址，点这里

最后再安装个jupyter工具conda install jupyter
启动命令jupyter-notebook

丰色木夕
关注
  • 10
    点赞
  • 踩
  • 13
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
Ubuntu中安装GPU版本pytorch
01-09
在ubuntu中安装pytorch遇到了很多问题，因为实验室服务器的cuda版本是8.0，所以需要注意版本兼容的问题。 首先我尝试了从官网下载安装包的方法，详情可见这篇博主的博文的第二部分Ubuntu16.04环境下PyTorch简易安装教程 但是我尝试之后发现 pip install torchvision 这条语句会重新安装torch，覆盖原来的torch版本，导致出现不兼容问题，使得torch.cuda.is_available()返回False。 所以我去pytorch官网 利用图中第三条语句安装好了pytorch，这一次终于torch.cuda.is_available()返回了T
[环境搭建三] Ubuntu下使用Anaconda安装pytorch
12-22
1.准备镜像文件 因为Pytorch官网在国外，下载及其慢，而且会出现文件大下载中断的情况，所以提前链接到国内的镜像下载，下载可以飞起来。 （1）打开终端，添加上海交通大学的镜像文件（逐行输入） conda config --add channels https://mirrors.sjtug.sjtu.edu.cn/anaconda/pkgs/main/ conda config --add channels https://mirrors.sjtug.sjtu.edu.cn/anaconda/pkgs/free/ conda config --add channels https://mi
Ubuntu22.04下安装Anaconda
最新发布
QQ896710872的博客
03-17 412
【代码】Ubuntu22.04下安装Anaconda。
【ubuntu】安装 Anaconda3
djj1015591892的博客
03-09 1477
ubuntu14.04安装 Anaconda3，保姆级别操作，还给到如何查找资料，小白值得学习
ubuntu22.04 搭建 Pytorch环境
HYWSWYQ的博客
09-05 5466
ubuntu22.04 搭建 Pytorch环境
Ubuntu22.04安装PyTorch1.12.1 GPU版本
weixin_39450145的博客
05-11 4106
最近又被装环境折磨，仅根据实际情况记录糟心经历。仅作记录。网上很多pytorch GPU版本安装教程里一般步骤都说是：装显卡驱动、装cuda、装cudnn、最后安装pytorch GPU环境。但也有教程说可以不单独安装cuda、cudnn，直接安装pytorch GPU环境。于是，我打算在不安装cuda、cudnn的情况下（主要是嫌安装太麻烦），直接安装pytorch GPU环境。新机器，自带的有nvidia-smi显卡驱动。
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。......
Ubuntu系统的conda基础操作（安装、创建环境、退出）
cryptocxf的博客
09-29 7463
学习在ubuntu系统上使用conda
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 1万+
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 16.04 pytorch安装总结
01-20
昨天装完了ubuntu 16.04，之前毕业设计用的tensorflow，但深度学习这门课的作业项目不大，就打算装一下Pytorch，这篇文章总结一下。主要参考了这篇博客：ubuntu16.04 + Anaconda + CUDA10 + cudnn + pytorch + pycharm 1. 创建单独的Anaconda环境！！ 单独的Python环境真的比较重要，我这里创建了python 3.6的环境pytorch 2. 安装显卡驱动 这一步应该在安装完Ubuntu 16.04之后就已经完成了，我的上一篇博客中的方法比较复杂，还有一种方法就是从官网下载之后直接从system settin
Python库 | pytorch3d-0.2.0-cp38-cp38-manylinux1_x86_64.whl
05-09
资源分类：Python库 所属语言：Python 资源全名：pytorch3d-0.2.0-cp38-cp38-manylinux1_x86_64.whl 资源来源：官方 安装方法：https://lanzao.blog.csdn.net/article/details/101784059
pytorch-1.0.2.tar.gz
03-12
pytorch-1.0.2.tar.gz
rubi.bootstrap.pytorch:Ruby
05-02
RUBi：减少视觉问题回答的单峰偏见 这是NeurIPS 2019文章的代码，可在此处获取： ://arxiv.org/abs/1906.10169。 这篇论文是由 ， ，Hedi Ben Younes， 和撰写的。 RUBi是一种减少VQA模型中偏差的学习策略。 它依赖于在VQA模型末尾插入的仅问题分支。 概括 重现结果 VQACP2 VQA2 有用的命令 作者 致谢 安装 我们不提供对python 2的支持。我们建议您使用Anaconda安装python 3。 然后，您可以创建一个环境。 1.作为独立项目 conda create --name rubi python=3.7 source activate rubi git clone --recursive https://github.com/cdancette/rubi.bootstrap.pytorch.git
conda-forge.github.io:conda-forge网站
03-20
概述 这个仓库 是conda-forge文档源代码的所在地。 为与conda-forge相关的问题以及不是特定于单个原料的提供了。 如果您有任何疑问或需要帮助，请查看我们的文档以获取。 构建文档 该文档基于GitHub Actions构建，并运行.ci_scripts/update_docs脚本。要在本地构建文档，您应该执行以下操作： conda env create -f ./.ci_scripts/environment.yml conda activate conda-forge-docs cd src make html 改善文档 我们一直在不断完善文档，非常感谢您的反馈和贡献。如果您想提供帮助，请注意docs文件夹中的html文档是根据src文件夹中的源文件自动生成的。因此，请始终在src而不是在docs编辑文件。 conda-forge开发人员会议 我们的文档包含一个
安装pytorch-gpu版本（分享我的成功案例）
01-21
用官网的命令太慢，换国内的源也不行，因为国内的源会默认给你安装cpu版本，所以，，，还是往下看吧 一、如果还没安装Anaconda和Cuda的先去这个链接...
ubuntu安装python3.7-使用conda管理python版本
11-18
ubuntu安装python3.7-使用conda管理python版本
Ubuntu16.04下—配置新环境–基于conda–安装Pytorch—spyder
12-21
很多文章没介绍 CUDA是什么...>> conda create -n your_env_name python=X.X（3.7版本） 2. 激活虚拟环境 >> source activate your_env_name(虚拟环境名称) 2. 安装 torch 1. 进入 pytorch 官网， https://pytorch.org
ubuntu22.04安装miniconda3
03-10
Ubuntu 22.04是一种Linux操作系统，而Miniconda是一个轻量级的Anaconda版本，用于管理Python环境和包。下面是在Ubuntu 22.04上安装Miniconda3的步骤： 1. 首先，从Miniconda官方网站下载Miniconda3的安装包。可以通过以下链接访问官方网站：https://docs.conda.io/en/latest/miniconda.html 2. 打开终端，进入下载目录，使用以下命令给Miniconda安装包添加执行权限： ``` chmod +x Miniconda3-latest-Linux-x86_64.sh ``` 3. 运行安装脚本，执行以下命令： ``` ./Miniconda3-latest-Linux-x86_64.sh ``` 4. 在安装过程中，会出现一系列提示，按照默认选项进行安装即可。需要注意的是，在提示是否将Miniconda3的路径添加到系统的环境变量时，选择"yes"，这样就可以在终端中直接使用conda命令。 5. 安装完成后，关闭终端并重新打开一个新的终端窗口，以使环境变量的更改生效。 6. 验证Miniconda3是否成功安装，可以使用以下命令： ``` conda --version ``` 如果成功安装，将显示Miniconda的版本号。 7. 接下来，可以创建一个新的Python环境。使用以下命令创建一个名为"myenv"的环境： ``` conda create --name myenv ``` 8. 激活新创建的环境，使用以下命令： ``` conda activate myenv ``` 环境激活后，可以在其中安装所需的Python包。 9. 安装完成后，可以使用以下命令退出当前环境： ``` conda deactivate ``` 以上是在Ubuntu 22.04上安装Miniconda3的步骤。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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