深入解析：如何在实验室服务器上搭建python虚拟环境？安装conda并配置虚拟环境

‍程序员三明治：个人主页
个人专栏: 《设计模式精解》《重学数据结构》

先做到 再看见！

---

目录

• • linux常用命令有哪些
  • 一、看看你的是什么gpu？
  • 二、安装Anaconda
  • 三、搭建自己的虚拟环境
  • 四、激活自己的环境
  • 碎碎念（可以不看）
  • • 创建环境
    • 激活环境
    • 离开环境
    • 共享环境
    • 列出环境
    • 删除环境

XSell安装
链接: xshell的安装教程

linux常用命令有哪些

指令如下：

cd /home ：先进入home目录下，然后再创建自己的文件夹
mkdir xxx ：先创建一个自己名字缩写的总文件夹（我输入的指令是： mkdir wbs）
cd xxx ：进入自己名字创建的文件夹的目录下，然后进行项目跟环境文件夹的创建。()
mkdir env ：创建环境文件夹
mkdir project ：创建项目文件夹

Anaconda 简介
Anaconda 是一个面向数据科学、机器学习和人工智能的开源 Python 发行版，广泛用于科学计算和大数据分析。它提供了一个完整的生态系统，集成了 Python/R 环境、包管理器和大量数据分析相关的工具和库。

    核心功能1、包管理：使用 conda 管理包，可以轻松安装、更新和卸载软件包。支持安装 Python 和非 Python 包（如 C/C++ 库）。2、环境管理：创建独立的虚拟环境，避免库版本冲突。可以针对不同项目设置不同的 Python 版本和依赖。3、科学计算支持：自带多种常用库，如 NumPy、Pandas、Matplotlib、SciPy、Scikit-learn 等。针对数据科学、机器学习和可视化任务，开箱即用。4、跨平台：支持 Windows、macOS 和 Linux 操作系统。5、图形化界面：提供 Anaconda Navigator，一个无需命令行的工具，用于管理环境、包和项目。适用场景1、数据科学：用于数据处理、清洗、分析和建模。2、机器学习：提供模型训练和优化所需的工具。3、科研计算：提供高效的数值计算支持。4、大数据分析：与 Hadoop、Spark 等工具集成。

一、看看你的是什么gpu？

lspci | grep -i nvidia

我们实验室的gpu还是挺强的。。。

二、安装Anaconda

# 尝试官方Anaconda下载
wget https://repo.anaconda.com/archive/Anaconda3-2025.06-1-Linux-x86_64.sh

bash 你下载的Anaconda

因为我下载的是Anaconda3-2025.06-1-Linux-x86_64.sh
所以我输入

bash Anaconda3-2025.06-1-Linux-x86_64.sh

然后继续yes

看到这证明anaconda安装好了

三、搭建自己的虚拟环境

首先输入source ~/.bashrc，用来更新环境变量，前面就变成了(base)

source ~/.bashrc

接着输入conda create -n MOTIP python=3.12，因为我要复现这篇论文.

conda create -n MOTIP python=3.12

接着输入 y ,确认。
这样就算好了，如图

这样我们就创建了名字叫做MOTIP的python3.12的环境。

四、激活自己的环境

通过conda activate your_name来使用自己创建的环境，我之前创建的环境名是MOTIP，那么我输入

conda activate MOTIP

然后我的环境就从base变为了MOTIP

退出虚拟环境，执行

conda deactivate

如果想查看目前有哪些环境可以输入

conda env list

想删除环境，则可输入,name换成你想删的环境名。

conda env remove -n name

下载完成后，测试pytorch是否下载成功。

输入命令，进入python环境

python

import torch

torch.cuda.is_available()

为True说明大功告成！

碎碎念（可以不看）

conda可以为不同的项目创建不同的环境。

创建环境

命令：conda create --name env_name packages_name
–name选项可简化为-n，指出要创建的环境名称，并可以在创建环境时安装包。
例如：conda create -n py3 pandas创建了名称为py3的环境，并安装pandas包。
创建环境的时候，可以指定python的版本：
conda create -n py3 python=3
环境py3中会安装最新版本的python3。
conda create -n py3 python=3.6
指定使用3.6版本的python。

激活环境

windows中使用activate env_name命令，OS/X和linux中使用source activate env_name命令激活环境。
例如：activate py3进入py3环境后可使用conda list命令查看py3
环境中已经安装的包。在新的环境中，可使用conda install package_name命令继续安装其他需要的包。

离开环境

命令：deactivate （windows适用）或source deactivate（OS/X或Linux适用）。

共享环境

如果你想向他人共享你自己创建的环境，以供其他项目用你项目的配置，主要是保持包的版本一致。就可以使用conda env export > enviroment.yml命令将源环境的包的配置数据保存到enviroment.yml文件中，其他项目就可以在目标环境中，执行命令conda env update -f path/to/enviroment.yml将目标环境更新为与源环境完全一样。

对于不使用conda的情况下，python的pip命令也是可以做到这一点的：

pip freeze > enviroment.txt #将环境配置导出到enviroment.txt文本文件中。
pip install -r /path/to/enviroment.txt #恢复环境
AI写代码

列出环境

命令：conda env list列出所有的环境，当前激活的环境对应的目录前会显示一个*号。

删除环境

命令：conda env remove -n env_name

如果我的内容对你有帮助，请辛苦动动您的手指为我点赞，评论，收藏。感谢大家!!

我的博客即将同步至腾讯云开发者社区，邀请大家一同入驻：https://cloud.tencent.com/developer/support-plan?invite_code=h70g0sv71wz