### 创建并激活 Python 环境 在 Xshell 连接到服务器后，可以通过以下方式创建并激活 Python 虚拟环境： #### 1. 使用 Conda 创建和管理虚拟环境 如果已经安装了 Anaconda 或 Miniconda，则可以利用 `conda` 命令来创建新的虚拟环境。 - **创建新环境** 可以指定 Python 版本号来创建一个新的虚拟环境。例如，要创建名为 `myenv` 的环境，并设置 Python 版本为 3.9： ```bash conda create -n myenv python=3.9 ``` - **激活环境** 激活刚刚创建的虚拟环境 `myenv`： ```bash conda activate myenv ``` - **验证当前使用的环境** 查看当前活动的环境是否正确切换到了 `myenv`： ```bash conda info --envs ``` #### 2. 使用 venv 创建和管理虚拟环境 如果没有安装 Conda，也可以使用标准库中的 `venv` 来创建虚拟环境。 - **创建新环境** 在目标目录下执行以下命令，创建一个名为 `venv` 的虚拟环境： ```bash python3 -m venv venv ``` - **激活环境** 对于 Linux/MacOS 系统，激活该虚拟环境的方式如下： ```bash source venv/bin/activate ``` #### 3. 添加路径至 `.bashrc` 为了方便后续操作，可以在用户的主目录下的 `.bashrc` 文件中添加路径变量以便自动加载 Conda 或其他工具的相关指令[^4]。 ```bash echo 'export PATH="~/anaconda3/bin:$PATH"' >> ~/.bashrc source ~/.bashrc ``` --- ### 安装所需库 无论是通过 Conda 还是 Pip 都能完成依赖库的安装工作。 #### 1. 使用 Conda 安装库 Conda 提供了一个集成化的包管理系统，适合快速安装科学计算类软件及其依赖项。例如，安装 NumPy 和 Pandas： ```bash conda install numpy pandas ``` 对于特定版本需求的情况，比如需要安装 PyTorch 1.12.0 并支持 CUDA 11.3 的情况，可参考官方文档获取具体命令[^2]: ```bash pip install torch==1.12.0 torchvision torchaudio cudatoolkit=11.3 -f https://download.pytorch.org/whl/torch_stable.html ``` #### 2. 使用 Pip 安装库 Pip 是另一种常用的 Python 包管理器，尤其适用于那些未被纳入 Conda 渠道的小型项目或者最新发布的模块。确保已更新到最新的 pip 后再进行安装： ```bash pip install --upgrade pip pip install requests beautifulsoup4 matplotlib scikit-learn ``` 注意：当处于某个虚拟环境中时，默认情况下会将这些库仅限于此环境下安装而不会影响全局系统配置。 --- ### 测试环境有效性 最后一步是对所构建好的开发环境做简单测试确认无误。例如检测 PyTorch 是否成功启用 GPU 加速功能： ```python import torch print(torch.__version__) print(torch.cuda.is_available()) ``` 如果输出显示 True 则表明一切正常[^2]。 ---