提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档

---

前言

提示：这里可以添加本文要记录的大概内容：

例如：随着人工智能的不断发展，机器学习这门技术也越来越重要，很多人都开启了学习机器学习，本文就介绍了机器学习的基础内容。

---

提示：以下是本篇文章正文内容，下面案例可供参考

一、安装miniconda

1.conda与miniconda有什么区别

安装体积
Miniconda：体积小，仅包含Conda和其依赖。
Anaconda：体积较大，包含了超过150个科学计算和数据分析的包。

预装包：
Miniconda：仅包含Conda和少量的依赖包。用户需要手动安装所需的其他包。
Anaconda：预装了大量的数据科学和机器学习相关的包，如NumPy、Pandas、SciPy、Jupyter等

灵活性：
Miniconda：提供了极大的灵活性，用户可以根据需要选择安装的包。
Anaconda：适合想要快速搭建数据科学和机器学习环境的用户。

2.安装minnconda

2.1 进入官网，选择合适的文件

1. 官网链接：miniconda官网
2. 选择服务器对应的文件，（我的是Linux),这三个Miniconda安装包的区别主要在于它们支持的Linux架构不同。

Miniconda3 Linux 64-bit:适用于常规的x86_64架构的Linux系统。这是最常见的PC和服务器使用的架构。
Miniconda3 Linux-aarch64 64-bit:适用于ARM架构的64位Linux系统。这种架构通常用于某些服务器、嵌入式系统和移动设备（如Raspberry Pi 4等）。
Miniconda3 Linux-s390x 64-bit::适用于IBM的s390x架构的Linux系统。这种架构主要用于IBM的Z系列大型机。
根据你的硬件架构选择相应的安装包。如果你不确定自己的架构，可以使用以下命令来检查

uname -m

若返回：x86_64 表示你需要选择第一个安装包。
若返回：aarch64 或者 arm64 表示你需要选择第二个安装包
若返回：s390x 表示你需要选择第三个安装包

我返回的是第一个，所以选择第一个安装包下载到本地。
一开始使用命令行将文件上传到服务器，但是一直报错

后面直接将文件拖到Xftp 7软件下面的anaconda3文件夹中了。

3.安装miniconda

上传完成后，登录服务器，进入刚上传.sh文件所在的文件目录，在当前文件目录下输入指令安装miniconda。

3.1 首先导航到文件所在的目录

cd /home/liurui/anaconda3/

3.2 运行安装脚本

首先使用chmod 命令赋予执行权限

chmod +x Miniconda3-latest-Linux-x86_64.sh

赋予权限之后，再运行安装脚本

./Miniconda3-latest-Linux-x86_64.sh

这句跟上一句代码作用一样，二选一

bash Miniconda3-latest-Linux-x86_64.sh

3.3 按照提示完成安装

回车后会看到这样的消息

然后根据提示，按enter,此时会出现有关miniconda3的信息。并且会出现More或者更多的字样，继续按enter,直至出现Please answer ‘yes’ or ‘no’:, 输入:yes

按enter,接下来提示是否添加环境变量，输入yes，否则需要自己配置环境变量

后面出现这个语句说明安装成功

3.4 激活miniconda

安装完成后，你需要激活Miniconda环境。通常会在安装的最后一步提示你添加Miniconda到系统的PATH中，你可以手动添加或者执行以下命令激活：

source ~/miniconda3/bin/activate

如果你选择了默认安装路径，~/miniconda3 是默认路径。如果你选择了自定义路径，请替换为你的实际安装路径。

3.5 验证安装

通过运行以下命令来验证Miniconda是否成功安装

conda --version

如果显示了Conda的版本信息，说明安装成功。

4.conda 常见命令

1. 安装包

conda install package_name # 例如：conda install numpy

2. 安装特定版本的包

conda install package_name=version # 例如：conda install numpy=1.18.1

3. 更新包

conda update package_name # 例如： conda update numpy

4. 移除包

conda remove package_name # 例如：conda remove numpy

5. 查看已安装的包

conda list

6. 查看存在哪些虚拟环境

conda env list

7. conda 是没有重命名指令，那可以通过克隆一份，然后再删除原来的.。
   先克隆环境：

conda create --name new_env_name --clone old_env_name

验证克隆的环境

conda activate new_envconda list

删除原环境：

conda remove --name old_env --all

8. 查看conda 版本

conda --version

9. conda 查询包

conda search package_name# 查询包

二、配置虚拟环境

1、创建、进入、退出、删除虚拟环境

1. 创建虚拟环境

conda create --name graph python=3.12

指定3.12，就会从3.12系列中找最新的下载，也可以使用命令查找python 版本

conda search python

版本从旧到新。

2.进入虚拟环境

conda activate myenv

3. 退出虚拟环境到base环境中

conda deactivate

4. 删除虚拟环境

conda env remove -n py37_torch 

三、当使用Conda命令打错字母或者输入错误的命令

1.使用键盘快捷键删除

Backspace: 删除光标前的字符
Ctrl+ H :删除光标前的字符（在一些终端与Backspace相同）
Ctrl+W：删除光标前的一个单词
Ctrl+U:删除光标前的整行

2. 使用Ctrl +A 或者Ctrl +E 快捷键

Ctrl+A: 光标移动到行首
Ctrl+E:光标移动到行尾

3. 使用历史命令

如果你已经执行了错误命令，可以通过历史命令功能找到并修改之前的命令：

1. 上下箭头：浏览历史命令
2. Ctrl+R：搜索历史命令

四、在安装pytorch之前要确保cuda版本与pytorch兼容（使用官网的命令在安装pytorch的同时，也能将cuda及cudnn装上）

安装的时候一定要进入具体的虚拟环境安装，不要在base环境中，以免破坏虚拟环境

使用

nvidia-smi

查看CUDA版本

然后在Pytorch官网上找，要确保pytorch版本号小于或等于CUDA版本。直接根据官网给出的命令下载。（不需要使用清华镜像）
注意：要确保python版本在3.8及以上
使用代码python --version查看python版本。

使用官网上这条命令之后，不就能会将pytorch安装上，还会将CUDA 工具包以及cudnn也安装上，就不用再额外装这两个。可以使用代码验证一下：

import torchprint("CUDA available:", torch.cuda.is_available())print("CUDA version:", torch.version.cuda)print("cuDNN version:", torch.backends.cudnn.version())print("Number of GPUs:", torch.cuda.device_count())print("Current GPU:", torch.cuda.current_device())print("GPU Name:", torch.cuda.get_device_name(torch.cuda.current_device()))

五、清华镜像

pip install xgboost -i https://pypi.tuna.tsinghua.edu.cn/simple