WorkLog

官网的安装文档如下:
https://docs.anaconda.com/anaconda/install/linux/

此处安装的版本如下:
Anaconda3-2024.10-1-Linux-x86_64.sh

以下内容来自GPT

在 Ubuntu 上部署 Conda 环境的步骤如下：

1. 安装 Miniconda 或 Anaconda

Miniconda 是一个轻量级的 Conda 版本，适合需要自定义环境的用户。你也可以选择安装 Anaconda，它包含了更多预安装的库。

安装 Miniconda：

打开终端，执行以下命令：

1
2
wget https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh
bash Miniconda3-latest-Linux-x86_64.sh

按照提示进行安装，选择安装路径并同意许可证。

安装完成后，重启终端或者运行：

1
source ~/.bashrc

安装 Anaconda：

如果你选择 Anaconda，可以通过以下命令安装：

1
2
wget https://repo.anaconda.com/archive/Anaconda3-2023.07-Linux-x86_64.sh
bash Anaconda3-2023.07-Linux-x86_64.sh

同样，按照提示进行安装。

2. 创建 Conda 环境

安装完成后，你可以创建新的 Conda 环境。假设你想创建一个名为 myenv 的环境，并安装 Python 3.9：

1
conda create --name myenv python=3.9

3. 激活环境

创建完环境后，激活它：

1
conda activate myenv

4. 安装所需包

在激活的环境中，你可以安装所需的库，例如 NumPy 和 Pandas：

1
conda install numpy pandas

5. 退出环境

完成工作后，可以退出环境：

1
conda deactivate

6. 列出环境

要查看所有 Conda 环境，可以使用：

1
conda env list

这样就可以在 Ubuntu 上成功部署和使用 Conda 环境了！如果有其他问题，欢迎问我！

AnaConda vs miniConda

Anaconda 和 Miniconda 的主要区别在于预装的软件包数量和功能：

Anaconda

  • 预装的包：Anaconda 包含了超过 1,500 个科学计算和数据科学相关的包，如 NumPy、Pandas、SciPy、Matplotlib、Jupyter Notebook、TensorFlow 等。适合快速开始项目，特别是数据科学和机器学习相关的工作。
  • Anaconda Navigator：提供一个图形用户界面（GUI），方便用户管理环境和包，不需要通过命令行操作。
  • 更多的集成工具：包括一些用于数据分析、可视化和机器学习的工具，便于用户即刻使用。

Miniconda

  • 轻量级：Miniconda 是一个小巧的安装程序，只包含基本的 Conda 和必要的依赖。用户需要手动安装所需的包。
  • 灵活性：适合需要定制环境的用户，尤其是对于那些只需要特定包的用户，或者希望减少系统占用。

总结

如果你希望快速搭建一个包含大量工具和库的环境，可以选择 Anaconda；如果你想要更精简的安装并灵活控制安装的包，Miniconda 更适合你。

Anaconda 中包含的与 AI 研究相关的库有很多，以下是一些常见的库：

1. TensorFlow

  • 开源深度学习框架，广泛用于机器学习和深度学习任务。

2. Keras

  • 高级神经网络 API，能够运行在 TensorFlow、Theano 和 CNTK 之上，便于构建和训练深度学习模型。

3. PyTorch

  • 另一个流行的深度学习框架，以其灵活性和动态计算图著称，适合研究和生产。

4. Scikit-learn

  • 机器学习库，提供简单有效的工具用于数据挖掘和数据分析，支持分类、回归、聚类等算法。

5. Pandas

  • 数据分析库，提供高效的数据结构和数据分析工具，常用于处理和分析数据集。

6. NumPy

  • 数值计算库，提供支持大规模多维数组和矩阵的功能，以及对数组进行操作的数学函数。

7. Matplotlib

  • 绘图库，广泛用于数据可视化，帮助展示数据分析结果和模型输出。

8. Seaborn

  • 基于 Matplotlib 的数据可视化库，提供更美观和简洁的统计图表。

9. NLTK

  • 自然语言处理工具包，提供多种文本处理和分析功能，适合进行 NLP 研究。

10. spaCy

  • 先进的自然语言处理库，设计用于高效处理大型文本数据，支持多种语言。

11. OpenCV

  • 开源计算机视觉库，广泛用于图像和视频处理，适合计算机视觉相关的 AI 项目。

12. XGBoost

  • 高效的梯度提升决策树库，常用于 Kaggle 等比赛中的模型构建。

这些库可以帮助研究人员和开发者在 AI 和机器学习领域进行各类实验和开发。如果你有特定的需求或者想了解某个库的详细信息，欢迎告诉我！

Anaconda 的安装包大小大约在 3 GB 左右，安装后实际占用的空间可能会更大，通常在 5 GB 以上。这是因为 Anaconda 包含了许多预装的库和工具，这些都会增加磁盘占用。

具体大小可能会因版本和操作系统的不同而有所变化。安装完成后，Anaconda 的环境和包也可以根据需要进行添加或删除，这可能会影响总占用空间。如果你只需要部分功能或特定库，可以考虑使用 Miniconda，它的安装包只有几十 MB，适合更轻量的需求。

常见命令

以下是一些常用的 Anaconda 命令，帮助你管理环境和包：

环境管理

  1. 创建环境

    1
    conda create --name myenv python=3.9

  2. 激活环境

    1
    conda activate myenv

  3. 退出环境

    1
    conda deactivate

  4. 列出所有环境

    1
    conda env list

  5. 删除环境

    1
    conda remove --name myenv --all

包管理

  1. 安装包

    1
    conda install package_name

  2. 更新包

    1
    conda update package_name

  3. 卸载包

    1
    conda remove package_name

  4. 列出已安装的包

    1
    conda list

  5. 导出环境

    1
    conda env export > environment.yml

  6. 从环境文件创建环境

    1
    conda env create -f environment.yml

其他常用命令

  1. 更新 Conda 本身

    1
    conda update conda

  2. 搜索包

    1
    conda search package_name

  3. 清理未使用的包和缓存

    1
    conda clean --all

这些命令可以帮助你高效地管理 Anaconda 环境和安装的库。如果你有特定的需求或想要了解更多细节，随时问我！

Anaconda库的报错(大概是conda的问题吧? 具体不是很清楚):

装好GYM库后, 试着运行了一段, 报错. 错误大致如下:

1
2
3
4
libGL error: MESA-LOADER: failed to open iris: /home/xxx/.conda/envs/stat/lib/python3.8/site-packages/pandas/_libs/window/../../../../../libstdc++.so.6: version `GLIBCXX_3.4.29' not found (required by /usr/lib64/dri/iris_dri.so) (search paths /usr/lib64/dri, suffix _dri)
libGL error: failed to load driver: iris
libGL error: MESA-LOADER: failed to open swrast: /home/xxx/.conda/envs/stat/lib/python3.8/site-packages/pandas/_libs/window/../../../../../libstdc++.so.6: version `GLIBCXX_3.4.29' not found (required by /usr/lib64/dri/swrast_dri.so) (search paths /usr/lib64/dri, suffix _dri)
libGL error: failed to load driver: swrast

我的错误和这个略有不同, 但差不多.

在stackoverflow上找到了类似问题.
https://stackoverflow.com/questions/71010343/cannot-load-swrast-and-iris-drivers-in-fedora-35/72200748#72200748

尝试了第一个高赞回答无效. 解决方案为第二个回答

installing libstdcxx-ng from conda-forge within activated conda environment should solve this problem.

Command:

1
conda install -c conda-forge libstdcxx-ng
backtop