目录
1.3 初始化 Conda： 安装完成后，初始化 Conda 环境
【详细conda命令】
常用conda命令可看：
▲【Canda】常用命令+虚拟环境创建到选择_使用conda创建虚拟环境的命令-CSDN博客▲▲【Canda】常用命令+虚拟环境创建到选择_使用conda创建虚拟环境的命令-CSDN博客
应用至jupterlab可看：
一、安装 Miniconda
Miniconda 是一个轻量级的 Conda 发行版，适合服务器环境。
1.1 下载 Miniconda 安装脚本
wget https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh1.2 运行安装脚本
bash Miniconda3-latest-Linux-x86_64.sh -u
▲回车：进入协议，多点几下
▲输入yes，同意协议条款
▲选择存放路径（推荐放在数据盘），如下：
/mnt/workspace/miniconda/mnt/workspace是数据盘。
1.3 初始化 Conda： 安装完成后，初始化 Conda 环境
source /mnt/workspace/miniconda/bin/activate
1.4 验证安装
conda --version
输出示例：conda 25.5.1。
二、设置虚拟环境默认存放路径（可选）
conda config --add envs_dirs /mnt/workspace/conda_env▲/mnt/data/conda_env 表示存放路径
说明：只需设置一次，后面构建的虚拟环境都会默认存放在该路径下。如果需要再次更换存放路径再执行。
三、conda创建虚拟环境
3.1 创建 Conda 环境
1、创建新环境： 指定 Python 版本（如 3.11，兼容 Hugging Face、PEFT 等）：
conda create -n download_model python=3.11▲download_model 表示创建的虚拟环境名称，可以自定义
3.2 激活环境
conda activate download_model提示符将变为 (llm_env)。
3.3 安装依赖（可选）
说明：以下步骤根据自己项目需求，自主选择安装相应依赖；
1、安装Pytorch 12.6
pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu126用来 安装 PyTorch 及其相关库（带 CUDA 12.6 GPU 加速支持）
注意：
▲安装pytorch前先确定自己电脑是否有GPU，没有GPU请安装cpu版本的；
pip3 install torch torchvision torchaudio▲确保CUDA 12.6版本可以兼容
确定是否兼容可参考该文章对应内容：【CUDA&cuDNN安装】深度学习基础环境搭建_cudnn安装教程-CSDN博客
2、安装transformers
pip install transformers==4.53.0▲Hugging Face 推出的一个非常强大且广泛使用的 预训练模型库，它是 NLP、CV、语音等领域深度学习开发的“瑞士军刀”。
▲
transformers是一个支持 加载、使用、微调、部署各种大模型 的工具库，比如 BERT、GPT、T5、RoBERTa、ChatGPT、Qwen、LLaMA 等。
3、安装datasets
pip install datasets数据集加载和处理工具库，主要用于 自然语言处理（NLP） 任务，也可以用于其他机器学习任务。
datasets就像是一个 “数据集超市”，你只需一行代码，就可以下载并使用成千上万的标准数据集，比如：
情感分类（SST-2、IMDB）
阅读理解（SQuAD）
文本生成（Wikitext、CNN/DailyMail）
机器翻译（WMT）
多语言任务（XNLI）
还有图像、音频、表格等多模态任务！
datasets就像是一个 “数据集超市”，你只需一行代码，就可以下载并使用成千上万的标准数据集，比如：情感分类（SST-2、IMDB）
阅读理解（SQuAD）
文本生成（Wikitext、CNN/DailyMail）
机器翻译（WMT）
多语言任务（XNLI）
还有图像、音频、表格等多模态任务！
实用扩展命令
1、检查磁盘空间：
df -h2、监控内存： 微调或推理时，实时监控GPU状态
#安装gpu监控插件
pip install nvitop
#启动监控
nvitop
3、GPU 驱动和 CUDA：若使用 QLoRA 或 GGUF 推理，需确保 NVIDIA 驱动和 CUDA 已安装：
nvidia-smi4.克隆环境
conda create -n ollama --clone download_model▲ollama表示新创建的虚拟环境；
▲--clone download_model:表示把旧虚拟环境download_model中的依赖复制到新环境中；
5、删除虚拟环境
conda env remove -n llm_env▲llm_env：表示需要删除的虚拟环境
6、退出虚拟环境
conda deactivate7、查看服务器内存
free -h示例：
