### 使用 Conda 创建 AI 开发所需虚拟环境并安装常见深度学习框架 #### 1. 安装 Miniconda 或 Anaconda 在 Ubuntu 环境下，推荐使用轻量级的 Miniconda 来管理 Python 和依赖项。可以通过以下命令下载并安装 Miniconda： ```bash wget https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh bash Miniconda3-latest-Linux-x86_64.sh ``` 完成安装后，重启终端以使更改生效。 #### 2. 创建虚拟环境 通过 `conda` 命令创建一个新的虚拟环境，并指定 Python 版本： ```bash conda create --name ai_env python=3.9 ``` 上述命令会创建名为 `ai_env` 的新环境，并设置 Python 版本为 3.9[^2]。 #### 3. 激活虚拟环境 激活刚刚创建的虚拟环境： ```bash conda activate ai_env ``` #### 4. 安装 PyTorch 及其依赖项 根据硬件配置选择合适的 PyTorch 安装方式。如果设备支持 NVIDIA GPU，则需要额外安装 CUDA 和 cuDNN 支持。以下是具体操作： ##### （1）CPU-only 版本 对于仅使用 CPU 运行的情况，可以直接运行以下命令： ```bash pip install torch torchvision torchaudio -i https://pypi.tuna.tsinghua.edu.cn/simple ``` ##### （2）GPU 加速版本 如果有 NVIDIA 显卡且已安装驱动程序和 CUDA 工具包，可以按照官方指南选择适合的 PyTorch 配置。例如，针对 CUDA 11.7 的安装命令如下： ```bash pip install torch torchvision torchaudio --extra-index-url https://download.pytorch.org/whl/cu117 ``` 注意：CUDA 版本应与显卡驱动兼容，请提前确认系统中的 CUDA 版本[^1]。 #### 5. 安装其他深度学习框架（可选） 除了 PyTorch 外，还可以在同一环境中安装 TensorFlow 或 JAX 等框架： ```bash pip install tensorflow pip install jax jaxlib -i https://pypi.tuna.tsinghua.edu.cn/simple ``` #### 6. 验证安装 验证各框架是否成功安装并正常工作： - 对于 PyTorch： ```python import torch print(torch.__version__) print(torch.cuda.is_available()) # 如果有 GPU 则返回 True ``` - 对于 TensorFlow： ```python import tensorflow as tf print(tf.__version__) print(tf.test.is_gpu_available()) ``` #### 7. 离线环境准备（可选） 如果目标机器处于无网络状态，可通过离线方式打包必要的依赖文件。首先，在联网机器上执行以下命令生成需求列表： ```bash pip freeze > requirements.txt ``` 随后将这些文件复制到目标机器，并通过以下命令安装： ```bash pip install --no-index --find-links=/path/to/wheelhouse -r requirements.txt ``` 更多细节参见相关内容[^3]。 --- ###