### 如何在 Ubuntu 上安装 Anaconda、Python 和 PyTorch #### 准备工作 确保系统已更新至最新状态并满足基本依赖条件。运行以下命令来完成系统的升级和基础工具的安装： ```bash sudo apt update && sudo apt upgrade -y sudo apt install wget git build-essential libssl-dev -y ``` #### 安装 Anaconda 下载适用于当前操作系统的 Anaconda 安装脚本，并执行安装过程[^2]。 1. 访问 [Anaconda 下载页面](https://www.anaconda.com/products/distribution)，找到适合 Ubuntu 的版本链接。 2. 使用 `wget` 命令下载安装文件，例如对于最新的 Python 3.x 版本： ```bash wget https://repo.anaconda.com/archive/Anaconda3-latest-Linux-x86_64.sh ``` 3. 授权并启动安装程序： ```bash bash Anaconda3-latest-Linux-x86_64.sh ``` 4. 按照提示设置路径，默认选项通常即可；完成后重启终端以使更改生效。 为了加速后续包管理流程，建议配置国内镜像源作为默认仓库地址之一: ```bash conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/ conda config --set show_channel_urls yes ``` #### 创建 Conda 虚拟环境 创建一个新的虚拟环境用于隔离开发需求，并指定所需的 Python 版本（如 Python 3.9 或更高版本）[^3]。 ```bash conda create -n pytorch_env python=3.9 conda activate pytorch_env ``` #### 配置 IDE 及解释器 如果计划通过集成开发环境 (IDE) 进行编码，则需手动绑定到上述新建的虚拟环境下关联起来的特定 Python 解析引擎实例上。 #### 安装 PyTorch 及其组件 访问 [PyTorch 官方网站](https://pytorch.org/) 获取定制化安装指令集： 1. 根据实际硬件架构挑选对应项——操作系统设为 **Linux**, 包管理者选作 **Conda**, 编程语言定位于 **Python**. 2. 如果 GPU 加速可用的话，请确认所支持 CUDA 工具链的存在状况后再做决定; 否则仅勾选 CPU 支持即足矣. 假设目标机器配备 NVIDIA 显卡且先前已完成驱动加载连同兼容版CUDA部署, 利用如下示范语句实现自动化装配: ```bash conda install pytorch torchvision torchaudio cudatoolkit=11.7 -c pytorch -c nvidia ``` 此范例假定了存在 CUDA Toolkit v11.7 ，用户应当依据个人情形调整具体数值参数. 另外值得注意的是，在某些特殊场景下可能还需要额外引入多媒体处理库 FFmpeg 来增强音频视频数据流解析能力[^1]. 此类情况可通过附加相应扩展模块达成目的: ```bash conda install -c conda-forge ffmpeg ``` 最后验证整个栈是否正常运作无误: ```python import torch print(torch.__version__) print(torch.cuda.is_available()) ``` 以上步骤涵盖了从零构建基于 Ubuntu 的深度学习框架运行时所需的一切关键环节概述。 ---