2.人工智能学习-环境搭建

一、Anaconda 虚拟环境搭建（本地 / 云服务器通用）

1. 安装 Anaconda/Miniconda（二选一）

方案 1：Anaconda 完整版（功能全面，推荐新手）

下载安装包：

官网地址（Linux/macOS/Windows）：https://www.anaconda.com/products/distribution#download-section
国内镜像（清华源，加速下载）：https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/

安装步骤（以 Linux 为例，云服务器通用） ：

下载后执行安装脚本（替换文件名）：

bash 复制代码

bash Anaconda3-2023.09-Linux-x86_64.sh

按提示回车，输入 yes 同意协议，指定安装路径（默认即可）。

安装完成后，选择 yes 初始化 Conda（自动配置环境变量）。

重启终端或执行以下命令生效：

bash 复制代码

source ~/.bashrc  # CentOS/Ubuntu 通用

验证安装：终端输入 conda --version，显示版本号即成功

方案 2：Miniconda 轻量版（节省空间，推荐云服务器）

下载安装包：

官网地址：https://docs.conda.io/en/latest/miniconda.html
国内镜像（清华源）：https://mirrors.tuna.tsinghua.edu.cn/anaconda/miniconda/

安装步骤（Linux 为例） ：

下载后执行：

bash 复制代码

bash Miniconda3-latest-Linux-x86_64.sh

后续步骤与 Anaconda 一致（同意协议、指定路径、初始化 Conda）。

2. 配置国内镜像源（解决下载慢问题）

创建 / 修改 .condarc 文件，添加清华源：

powershell 复制代码

vim ~/.condarc

粘贴以下内容（覆盖原有内容）：

yaml 复制代码

channels:
  - defaults
show_channel_urls: true
default_channels:
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/msys2
custom_channels:
  conda-forge: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  msys2: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  bioconda: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  menpo: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  pytorch: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  pytorch-lts: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  simpleitk: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud

保存退出后，清除缓存：

powershell 复制代码

conda clean -i

3. Conda 虚拟环境核心操作（AI 开发必备）

操作目的	命令示例
创建虚拟环境（指定 Python 版本）	`conda create -n ai-dev python=3.10`（ai-dev 为环境名，3.10 为 Python 版本）
激活虚拟环境	Linux/macOS：`conda activate ai-dev`；Windows：`activate ai-dev`
安装依赖包（如 NumPy/PyTorch）	`conda install numpy pandas` 或 `pip install torch`（激活环境后执行）
查看已安装包	`conda list` 或 `pip list`
退出虚拟环境	`conda deactivate`
查看所有虚拟环境	`conda info --envs` 或 `conda env list`
删除虚拟环境（谨慎操作）	`conda remove -n ai-dev --all`

4. 常见问题解决

终端输入 conda 提示 "命令未找到" ：重新执行 source ~/.bashrc，或手动配置环境变量（参考：https://blog.csdn.net/weixin_43846248/article/details/124522440）。
安装包时卡住：确保已配置国内镜像，或用 pip 安装并指定镜像（如 pip install numpy -i https://pypi.tuna.tsinghua.edu.cn/simple）。

二、Jupyter Notebook 高效开发配置

1. 安装与基础启动

激活虚拟环境后安装：

bash 复制代码

conda activate ai-dev
conda install jupyter notebook  # 或 pip install jupyter

基础启动命令：

bash 复制代码

jupyter notebook  # 本地启动，自动打开浏览器
#  云服务器启动（无图形界面）：jupyter notebook --no-browser --port=8888

2. 核心配置（密码设置 + 远程访问，云服务器必备）

步骤 1：生成配置文件

bash 复制代码

jupyter notebook --generate-config  # 生成默认配置文件，路径：~/.jupyter/jupyter_notebook_config.py

步骤 2：设置访问密码（替代默认令牌）

启动 Python 终端：

bash 复制代码

python

执行以下代码，设置并加密密码：

bash 复制代码

from notebook.auth import passwd
passwd()  # 按提示输入密码（如 123456），复制输出的加密字符串（如 'sha1:xxx...'）
exit()  # 退出Python终端

步骤 3：修改配置文件（支持远程访问）

编辑配置文件 ~/.jupyter/jupyter_notebook_config.py，添加以下关键配置（注释原有冲突项）：

bash 复制代码

# 允许所有IP访问（云服务器必需）
c.NotebookApp.ip = '*'
# 禁止自动打开浏览器（云服务器无图形界面）
c.NotebookApp.open_browser = False
# 设置端口（默认8888，可修改为8080等，避免冲突）
c.NotebookApp.port = 8888
# 粘贴步骤2生成的加密密码
c.NotebookApp.password = 'sha1:xxx...'  # 替换为你的加密字符串
# 允许root用户运行（云服务器常需）
c.NotebookApp.allow_root = True
# 设置工作目录（可选，默认是启动终端的目录）
c.NotebookApp.notebook_dir = '/home/ai-dev/notebooks'  # 需提前创建该目录（mkdir -p /home/ai-dev/notebooks）

步骤 4：远程访问（云服务器）

云服务器开放端口（如 8888）：在阿里云 / 腾讯云控制台的 "安全组" 中添加入站规则，允许端口 8888 访问（参考第三部分云服务器官方文档）。
本地浏览器访问：输入 http://云服务器公网IP:8888，输入设置的密码即可登录。

3. 绑定虚拟环境内核（关键！避免包找不到）

确保 Jupyter 能使用虚拟环境的依赖包：

激活目标虚拟环境：

bash 复制代码

conda activate ai-dev

安装 ipykernel：

bash 复制代码

conda install ipykernel  # 或 pip install ipykernel

将虚拟环境添加为 Jupyter 内核：

bash 复制代码

python -m ipykernel install --user --name=ai-dev  # name 为内核显示名称

验证：启动 Jupyter 后，在右上角 "Kernel → Change Kernel" 中选择 "ai-dev" 即可。

4. 高效插件安装（提升开发效率）

安装 jupyter-contrib-nbextensions 扩展包：

bash 复制代码

# 安装扩展
conda install -c conda-forge jupyter-contrib-nbextensions
# 启用扩展管理器
jupyter contrib nbextension install --user

启动 Jupyter 后，在浏览器界面的 "Nbextensions" 标签中勾选常用插件：

Table of Contents（生成目录，支持跳转）
Codefolding（代码折叠）
Autopep8（代码自动格式化）
Hinterland（代码自动补全）

5. 常见问题解决

远程访问提示 "连接超时"：检查云服务器安全组端口是否开放，配置文件中 ip 是否设为 *。
切换内核后提示 "模块未找到"：重新执行 "绑定虚拟环境内核" 步骤，确保依赖包安装在对应环境中。

三、云服务器 GPU 环境搭建（官方权威文档）

1. 基础依赖（CUDA + cuDNN）

NVIDIA CUDA Toolkit 官方安装指南（Linux）：https://docs.nvidia.com/cuda/cuda-installation-guide-linux/index.html
cuDNN 深度神经网络加速库安装文档：https://docs.nvidia.com/deeplearning/cudnn/install-guide/index.html
验证 CUDA 安装：nvcc -V（显示版本号即成功）

2. 云服务器厂商专属指南

阿里云 GPU 服务器环境部署：https://help.aliyun.com/zh/gpu/（含驱动、CUDA 预装 / 手动安装教程）
腾讯云 GPU 云服务器配置：https://cloud.tencent.com/document/product/560（含 GPU 实例选型、环境搭建）
AWS EC2 GPU 实例配置：https://docs.aws.amazon.com/AWSEC2/latest/UserGuide/accelerated-computing.html

3. 深度学习框架 GPU 适配

PyTorch GPU 版本安装（自动适配 CUDA）：https://pytorch.org/get-started/locally/
TensorFlow GPU 环境配置：https://www.tensorflow.org/install/gpu
验证 GPU 可用：

PyTorch ：import torch; print(torch.cuda.is_available())（输出 True 即成功）
TensorFlow：import tensorflow as tf; print(tf.config.list_physical_devices('GPU'))