Ubuntu将深度学习环境配置移植到新电脑

这里默认新电脑已经安装好了conda、CUDA这些,可以直接创建新的虚拟环境。

参考链接:

基础知识

创建和管理Conda环境

创建新环境:conda create -n myenv python=3.8(其中myenv是环境名,python=3.8指定Python版本)

激活环境:conda activate myenv

退出环境:conda deactivate

列出所有环境:conda env listconda info --envs

删除环境:conda remove --name myenv --allconda remove -n myenv --all

列出当前环境下已安装包:pip list

使用conda

  1. 导出当前环境

    在你的旧电脑上,使用以下命令生成 environment.yaml 文件:

    复制代码
    conda env export > environment.yaml
  2. 在新电脑上创建新环境

    environment.yaml 文件复制到新电脑后,使用以下命令创建新环境:

    复制代码
    conda env create -f environment.yaml -n newenv
  3. 激活新环境

    创建完成后,激活新环境:

    复制代码
    conda activate newenv

注意事项

  • 确保 environment.yaml 文件在新电脑上可用。
  • 如果 environment.yaml 中的路径或特定平台依赖(如 Windows 和 Linux 之间的差异)导致问题,可以手动编辑 environment.yaml 文件,删除或修改不必要的部分。
  • 如果新电脑上已有相同名称的环境,确保先删除该环境,或者在 environment.yaml 中选择一个不同的名称。

使用pip(不推荐)

由于旧电脑上的包有的是通过conda安装的有的是通过pip安装的,使用上面conda导出的yaml文件能保留完整信息,如果像下面这样通过pip导出txt文件则会出现各种问题。

老电脑

  1. 激活环境:conda activate oldenv
  2. pip freeze > requirements.txt 导出 requirement.txt,直接导出在主目录下

新电脑

  1. requirement.txt 放在主目录下
  2. 创建并激活新环境
  3. 执行命令 pip install -r requirements.txt ,顺利的话即可一键安装完所需要的第三方库
  4. 但是如果原环境配置较复杂,则可能需要删除一些特定路径,可能还需要修改一些包的版本
相关推荐
刘梦薇9 小时前
SSH连接失败connection reset解决办法
linux·运维·ubuntu·ssh·腾讯云
手写码匠9 小时前
华为云Flexus+DeepSeek征文|Dify 多 Agent 灰度发布实战:让每一次变更都“小步快跑、随时可回滚“
人工智能·深度学习·算法·aigc
JAI科研11 小时前
Deepseek Agent Harness教程(二) | DeepSeek Harness 设计思路
人工智能·深度学习·算法·机器学习·自然语言处理·transformer·vllm
还不秃顶的计科生11 小时前
具身智能论文学习10:π0: A Vision-Language-Action Flow Model for General Robot Control
人工智能·深度学习·算法·机器学习·语言模型·vla·vlm
段一凡-华北理工大学1 天前
AI推动工业智能化转型~系列文章24:钢铁工业 AI 全景图:从原料场到轧机的场景地图
人工智能·深度学习·模型生命周期·钢铁工业·ai全景
chen_zn951 天前
《VLA 系列》Human-to-Robot Transfer | 人类视频共训练 | 跨本体涌现迁移 | 论文解析
人工智能·深度学习·transformer·具身智能·vla
CCC:CarCrazeCurator1 天前
DeepSeek‑Harness Windows 本地快速上手
深度学习·数据挖掘
还不秃顶的计科生1 天前
具身智能论文学习8:Octo: An Open-Source Generalist Robot Policy
人工智能·深度学习·学习·机器学习·语言模型·vla·vlm
lucas_AI1 天前
1.2B 小模型赢过 235B 大模型:NaviDC-OCR 把文档解析卷明白了
人工智能·深度学习·算法
杀生丸学AI1 天前
【稀疏重建】StructSplat:基于非校准稀疏视图的可泛化3DGS
深度学习·3d·音视频·transformer·三维重建·空间智能