文章起源 | 恒源云社区（专一人工智能 / 深度学习云 GPU 服务器训练平台，官网体验网址：https://gpushare.com/
原文地址 | Conda – 恒源云用户文档
Conda
Conda 是包依赖和虚拟环境治理的工具，零碎镜像装置了 miniconda。
虚拟环境
⚠️ 正告
实例内磁盘空间有容量限度，因虚拟环境装置软件包须要容量较大，倡议将虚拟空间地位放到共享空间 /hy-nas (有共享存储机型) 或 /hy-tmp 本地盘下。
# 查看所有虚拟环境
conda env list
# 创立 Python 3.9 的虚拟环境，地位为 /hy-tmp/myenv
conda create -p /hy-tmp/myenv python=3.9
# 激活虚拟环境
conda activate /hy-tmp/myenv
# 退出虚拟环境
conda deactivate
## 删除虚拟环境
conda remove -p /hy-tmp/myenv --all🔥 提醒
登陆终端默认勾销了主动进入 base 环境，如果心愿登陆后间接进入 base 环境，须要执行 conda config –set auto_activate_base true。
包治理
🔥 提醒
装置如 PyTorch 等框架时请严格参考官方网站的装置阐明，同一个版本可能反对多种 CUDA 版本。RTX 3000 系列显卡仅反对 CUDA 11 及以上版本，须要留神指定 cudatoolkit 这个包的版本。
在 /root/.condarc 中曾经配置了镜像源。留神装置 PyTorch 时不要在结尾指定 -c pytorch，如果指定了依然会从官网源下载。
# 激活虚拟环境
conda activate /hy-tmp/myenv
# 搜寻软件包
conda search spacy
# 装置软件包
conda install spacy=2.3.5
## 查看已装置好的包
conda listJupyterLab
JupyterLab 默认应用的是实例镜像中的零碎 Python。如果须要通过 Notebook 应用虚拟环境，须要在虚拟环境中装置 ipykernel。
# 激活曾经创立好的虚拟环境
conda activate myenv
# 在虚拟环境中装置 ipykernel
conda install ipykernel
# 装置 kernel，--name 自定义名称
ipython kernel install --user --name myenv
# 不须要该 kernel 时能够删除
jupyter kernelspec remove myenv装置实现后在 JupyterLab 菜单中，关上 文件 – 新建启动页。能够看到多了刚创立好的虚拟环境，点击关上的 Notebook 就处于虚拟环境当中。