一、前言
在机器学习与深度学习开发中，环境管理非常关键。使用 Miniconda 可以帮助我们快速创建独立、干净的 Python 环境，避免依赖冲突。
本教程将带你完成以下内容：
- 安装 Miniconda（Windows / Ubuntu）
- 创建 Python 3.10 环境
- 安装常用库：
scikit-learn、matplotlib、PyTorch、torchvision、torchaudio
二、Miniconda 安装
1️⃣ Windows 安装 Miniconda
步骤：
-
下载 Miniconda3 Windows 64-bit (Python 3.x) 安装包
-
双击运行安装程序：
- 选择 Just Me
- 勾选
Add Miniconda to PATH（可选，建议勾） - 安装完成
-
打开 Anaconda Prompt 或 PowerShell，输入：
conda --version若显示版本号，则安装成功。
2️⃣ Ubuntu 安装 Miniconda
步骤：
# 下载安装脚本
wget https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh
# 运行安装
bash Miniconda3-latest-Linux-x86_64.sh按照提示：
- 按 Enter 阅读协议
- 输入
yes同意 - 选择安装路径（默认即可）
安装完成后：
# 初始化 conda
source ~/.bashrc
# 检查版本
conda --version三、创建 Python 3.10 环境
建议创建独立环境：
conda create -n ml_env python=3.10激活环境：
conda activate ml_env四、安装基础库
1️⃣ 安装 scikit-learn
conda install scikit-learn或者使用 pip：
pip install scikit-learn2️⃣ 安装 matplotlib（数据可视化）
conda install matplotlib或者：
pip install matplotlib👉 matplotlib 是最常用的绘图库，用于画图、可视化训练结果、数据分析等。
3️⃣ 安装 PyTorch（重点）
⚠️ PyTorch 安装取决于是否使用 GPU
✅ CPU 版本（通用）
pip install torch torchvision torchaudio🚀 GPU 版本（推荐，有 NVIDIA 显卡）
先确认 CUDA 版本，例如 CUDA 11.8：
nvidia-smi然后安装（示例 CUDA 11.8）：
pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118👉 如果不确定 CUDA，可以直接用 CPU 版本（更稳）
五、验证安装
进入 Python：
python输入：
import torch
import torchvision
import torchaudio
import sklearn
import matplotlib.pyplot as plt
print("PyTorch version:", torch.__version__)
print("CUDA available:", torch.cuda.is_available())额外测试 matplotlib：
plt.plot([1,2,3],[1,4,9])
plt.title("Test Plot")
plt.show()若无报错并成功弹出图像窗口，则说明安装成功 ✅
六、常见问题
❓1. conda 命令不可用
解决：
source ~/.bashrc或重新打开终端。
❓2. PyTorch 安装很慢
建议使用国内镜像（如清华源）：
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple torch torchvision torchaudio❓3. CUDA 不可用
可能原因：
- 未安装 NVIDIA 驱动
- CUDA 版本不匹配
- 使用了 CPU 版本 PyTorch
正文完
