【环境搭建】（二）在Ubuntu22.04安装/卸载软件Anaconda

### 安装 Ollama 和配置 Anaconda #### 安装 Ollama 要在 Ubuntu 22.04 上安装 Ollama，可以按照以下方法操作： 1. 首先更新系统的软件包列表： ```bash sudo apt update && sudo apt upgrade -y ``` 2. 下载 Ollama 的二进制文件并将其移动到 `/usr/local/bin` 目录下以便全局访问： ```bash wget https://ollama.ai/download/linux-amd64/ollama-linux-amd64.gz gzip -d ollama-linux-amd64.gz sudo mv ollama-linux-amd64 /usr/local/bin/ollama chmod +x /usr/local/bin/ollama ``` 3. 测试 Ollama 是否成功安装： ```bash ollama version ``` 如果命令返回版本号，则说明安装成功。 --- #### 配置 NVIDIA Container Toolkit (可选) 如果计划运行 GPU 加速模型，需安装 NVIDIA Container Toolkit[^2]。执行以下命令完成安装： ```bash distribution=$(. /etc/os-release;echo $ID$VERSION_ID) curl -s -L https://nvidia.github.io/nvidia-docker/gpgkey | sudo gpg --dearmor -o /usr/share/keyrings/nvidia-container-toolkit-keyring.gpg curl -s -L https://nvidia.github.io/nvidia-docker/$distribution/nvidia-docker.list | sudo tee /etc/apt/sources.list.d/nvidia-docker.list sudo apt-get update sudo apt-get install -y nvidia-container-toolkit sudo systemctl restart docker ``` 完成后可以通过 `docker run --rm --gpus all nvidia/cuda:12.0-base nvidia-smi` 来验证 GPU 支持是否正常工作。 --- #### 安装和配置 Anaconda 以下是基于 Miniconda 的安装过程以及环境配置的方法： 1. **下载 Miniconda 脚本** 使用 Bash Shell 执行以下命令来获取 Miniconda 安装脚本[^1]: ```bash wget https://repo.anaconda.com/miniconda/Miniconda3-py310_25.1.1-2-Linux-x86_64.sh bash Miniconda3-py310_25.1.1-2-Linux-x86_64.sh ``` 2. **初始化 Conda 环境** 在安装过程中会提示是否将 Conda 添加到 shell 初始化文件中。输入 `yes` 或手动编辑 `.bashrc` 文件以激活 Conda： ```bash source ~/.bashrc conda init ``` 3. **创建虚拟环境** 创建一个新的 Python 环境用于管理依赖项： ```bash conda create -n myenv python=3.10 conda activate myenv ``` 4. **安装必要的库** 如果需要特定的机器学习框架或其他工具，可以在环境中通过 pip 或 conda 进行安装。例如： ```bash conda install pytorch torchvision torchaudio cudatoolkit -c pytorch ``` --- #### 结合 Ollama 和 Anaconda 为了使 Ollama 及其相关功能能够在 Anaconda 环境中无缝协作，建议在同一个终端窗口中启动两者的服务，并确保路径变量已正确设置。例如，在激活 Conda 环境后可以直接调用 Ollama CLI 工具。 --- ### 总结 上述流程涵盖了从基础系统准备到高级工具集成的过程，能够帮助用户快速搭建适合 AI 开发需求的工作环境。