admin管理员组

文章数量:1037775

使用 Miniconda + Mamba 构建高效的 AI 开发环境

1. 引言

在人工智能（AI）开发中，环境管理和依赖安装是一个关键问题。Anaconda 是一个广受欢迎的 Python 发行版，提供了丰富的 AI 相关库，但它体积庞大，安装和更新速度较慢。Miniconda + Mamba 组合提供了一个轻量、高效的替代方案。

本教程将介绍如何使用 Miniconda 作为 Python 发行版，并使用 Mamba 作为更快的 conda 替代品，以构建一个高效的 AI 开发环境。

2. Miniconda 与 Mamba 简介

2.1 Miniconda 是什么？

Miniconda 是 Anaconda 的精简版，仅包含 conda 和 Python，不附带任何预装的科学计算库。用户可以按需安装所需的库，使环境更加轻量。

2.2 Mamba 是什么？

Mamba 是 conda 的高速替代品，它使用 C++ 实现，具有更快的依赖解析和安装速度，同时完全兼容 conda 命令。

为什么使用 Mamba？

  • 速度快：比 conda 更快的包解析和安装速度。
  • 内存占用少：减少计算资源消耗，适合 AI 开发。
  • 兼容 conda：可以无缝替代 conda，无需修改原有工作流。

3. Miniconda + Mamba 安装指南

3.1 安装 Miniconda

  1. 下载 Miniconda
    • 访问 Miniconda 官网，选择适合你的操作系统版本。
    image-20250317225628957
    • Mac 用户可以使用 Homebrew 安装： brew install --cask miniconda
  2. 安装 Miniconda
    • Windows 用户运行 .exe 安装程序，按照提示安装。
    • Linux/macOS 用户可以运行：
    image-20250317230442656
    image-20250317230514851

    如果速度太慢，可以将下载地址替换为下面的地址 .sh

    image-20250317231956373

    bash ~/miniconda3/miniconda.sh -b -u -p ~/miniconda3

    image-20250318234416575

    运行以下代码初始化 source ~/miniconda3/bin/activate

    image-20250318234519147

    conda init --all

    image-20250318234606090

    按照提示，我需要重新开一个窗口进行验证。

    image-20250318234657786

    重启窗口后，会发现在我们的命令行前面会多一个(base)的内容，这个就代表这安装成功了，且每次启动时都会自动激活这个base环境。

  3. 验证安装 conda --version 如果安装成功，会显示 conda 版本号。
image-20250318234839465

3.2 安装 Mamba

  1. 激活 base 环境： conda activate base
  2. 安装 Mamba： conda install -n base -c conda-forge mamba
image-20250318235006201

按照提示输入Y，并等待安装完成

image-20250318235046182
image-20250318235103191
  1. 测试 Mamba： mamba --version 如果安装成功，会显示 mamba 版本号
image-20250318235123795

注意： mamba 和 conda 语法完全相同，只需将 conda 替换为 mamba，即可享受更快的安装速度。

4. 创建 AI 开发环境

  1. 创建一个新的 AI 开发环境（例如 ）： ai-env mamba create -n ai-env python=3.10 -y
image-20250318235241673

在命令后面加入-y，则本次安装时默认都是执行同意，不会再询问你是否要进行安装。

image-20250318235347181
  1. 激活环境： mamba activate ai-env
image-20250318235447916

这时，会发现我们的环境已经从base切换到了ai-env了。

  1. 安装常用的 AI 相关库： mamba install numpy pandas matplotlib scikit-learn jupyterlab
  2. 安装深度学习框架（可选）：
    • TensorFlow： mamba install -c conda-forge tensorflow
    • PyTorch： mamba install -c pytorch pytorch torchvision torchaudio
  3. 验证安装： python -c "import torch; print(torch.__version__)" python -c "import tensorflow as tf; print(tf.__version__)"

5. 使用 JupyterLab 进行 AI 开发

JupyterLab 是 AI 开发的重要工具，支持交互式开发和数据可视化。

  1. 启动 JupyterLab： jupyter lab
  2. 在浏览器中打开 localhost:8888，即可开始使用。

6. 环境管理与优化

6.1 列出已创建的环境

代码语言：javascript代码运行次数：0运行复制
mamba env list

6.2 导出环境配置（用于共享）

代码语言：javascript代码运行次数：0运行复制
mamba env export > environment.yml

6.3 通过配置文件创建环境

代码语言：javascript代码运行次数：0运行复制
mamba env create -f environment.yml

6.4 删除环境

代码语言：javascript代码运行次数：0运行复制
mamba env remove -n ai-env

6.5 清理无用包（释放磁盘空间）

代码语言：javascript代码运行次数：0运行复制
mamba clean --all

7. 总结

使用 Miniconda + Mamba 作为 AI 开发环境的主要优点包括： ✅ 轻量高效，减少不必要的依赖。 ✅ Mamba 速度快，显著提升包安装和更新体验。 ✅ 兼容 Anaconda 生态，适合 AI 研究和开发。

希望本教程能帮助你顺利搭建 AI 开发环境！

使用 Miniconda + Mamba 构建高效的 AI 开发环境

1. 引言

在人工智能（AI）开发中，环境管理和依赖安装是一个关键问题。Anaconda 是一个广受欢迎的 Python 发行版，提供了丰富的 AI 相关库，但它体积庞大，安装和更新速度较慢。Miniconda + Mamba 组合提供了一个轻量、高效的替代方案。

本教程将介绍如何使用 Miniconda 作为 Python 发行版，并使用 Mamba 作为更快的 conda 替代品，以构建一个高效的 AI 开发环境。

2. Miniconda 与 Mamba 简介

2.1 Miniconda 是什么？

Miniconda 是 Anaconda 的精简版，仅包含 conda 和 Python，不附带任何预装的科学计算库。用户可以按需安装所需的库，使环境更加轻量。

2.2 Mamba 是什么？

Mamba 是 conda 的高速替代品，它使用 C++ 实现，具有更快的依赖解析和安装速度，同时完全兼容 conda 命令。

为什么使用 Mamba？

  • 速度快：比 conda 更快的包解析和安装速度。
  • 内存占用少：减少计算资源消耗，适合 AI 开发。
  • 兼容 conda：可以无缝替代 conda，无需修改原有工作流。

3. Miniconda + Mamba 安装指南

3.1 安装 Miniconda

  1. 下载 Miniconda
    • 访问 Miniconda 官网，选择适合你的操作系统版本。
    image-20250317225628957
    • Mac 用户可以使用 Homebrew 安装： brew install --cask miniconda
  2. 安装 Miniconda
    • Windows 用户运行 .exe 安装程序，按照提示安装。
    • Linux/macOS 用户可以运行：
    image-20250317230442656
    image-20250317230514851

    如果速度太慢，可以将下载地址替换为下面的地址 .sh

    image-20250317231956373

    bash ~/miniconda3/miniconda.sh -b -u -p ~/miniconda3

    image-20250318234416575

    运行以下代码初始化 source ~/miniconda3/bin/activate

    image-20250318234519147

    conda init --all

    image-20250318234606090

    按照提示，我需要重新开一个窗口进行验证。

    image-20250318234657786

    重启窗口后，会发现在我们的命令行前面会多一个(base)的内容，这个就代表这安装成功了，且每次启动时都会自动激活这个base环境。

  3. 验证安装 conda --version 如果安装成功，会显示 conda 版本号。
image-20250318234839465

3.2 安装 Mamba

  1. 激活 base 环境： conda activate base
  2. 安装 Mamba： conda install -n base -c conda-forge mamba
image-20250318235006201

按照提示输入Y，并等待安装完成

image-20250318235046182
image-20250318235103191
  1. 测试 Mamba： mamba --version 如果安装成功，会显示 mamba 版本号
image-20250318235123795

注意： mamba 和 conda 语法完全相同，只需将 conda 替换为 mamba，即可享受更快的安装速度。

4. 创建 AI 开发环境

  1. 创建一个新的 AI 开发环境（例如 ）： ai-env mamba create -n ai-env python=3.10 -y
image-20250318235241673

在命令后面加入-y，则本次安装时默认都是执行同意，不会再询问你是否要进行安装。

image-20250318235347181
  1. 激活环境： mamba activate ai-env
image-20250318235447916

这时，会发现我们的环境已经从base切换到了ai-env了。

  1. 安装常用的 AI 相关库： mamba install numpy pandas matplotlib scikit-learn jupyterlab
  2. 安装深度学习框架（可选）：
    • TensorFlow： mamba install -c conda-forge tensorflow
    • PyTorch： mamba install -c pytorch pytorch torchvision torchaudio
  3. 验证安装： python -c "import torch; print(torch.__version__)" python -c "import tensorflow as tf; print(tf.__version__)"

5. 使用 JupyterLab 进行 AI 开发

JupyterLab 是 AI 开发的重要工具，支持交互式开发和数据可视化。

  1. 启动 JupyterLab： jupyter lab
  2. 在浏览器中打开 localhost:8888，即可开始使用。

6. 环境管理与优化

6.1 列出已创建的环境

代码语言：javascript代码运行次数：0运行复制
mamba env list

6.2 导出环境配置（用于共享）

代码语言：javascript代码运行次数：0运行复制
mamba env export > environment.yml

6.3 通过配置文件创建环境

代码语言：javascript代码运行次数：0运行复制
mamba env create -f environment.yml

6.4 删除环境

代码语言：javascript代码运行次数：0运行复制
mamba env remove -n ai-env

6.5 清理无用包（释放磁盘空间）

代码语言：javascript代码运行次数：0运行复制
mamba clean --all

7. 总结

使用 Miniconda + Mamba 作为 AI 开发环境的主要优点包括： ✅ 轻量高效，减少不必要的依赖。 ✅ Mamba 速度快，显著提升包安装和更新体验。 ✅ 兼容 Anaconda 生态，适合 AI 研究和开发。

希望本教程能帮助你顺利搭建 AI 开发环境！

本文标签： 使用 MinicondaMamba 构建高效的 AI 开发环境

版权声明：本文标题：使用 Miniconda + Mamba 构建高效的 AI 开发环境 内容由热心网友自发贡献，该文观点仅代表作者本人， 转载请联系作者并注明出处：http://it.en369.cn/jiaocheng/1748238174a2273689.html， 本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容，一经查实，本站将立刻删除。