1. 为什么推荐 Miniconda很多人第一次接触 Conda会在Anaconda和Miniconda之间犹豫。对于 Ubuntu 服务器、开发机和日常 Python 环境管理来说Miniconda 往往更合适因为它只是一个轻量安装器只带conda、Python 以及少量必要包不会一开始就塞进大量你暂时用不到的科学计算组件。这样做的好处是安装更轻、后续环境更可控也更适合按项目拆分依赖。(Anaconda)从工程实践看Miniconda 的思路其实很像“先搭一个干净的包管理底座再在其上创建项目级环境”。这样你后面无论是装 PyTorch、FastAPI还是做 GPU 推理环境都不会把系统 Python 弄乱。2. 安装前先确认什么在正式安装前先看三件事2.1 系统架构是否匹配官方当前支持的 Linux 目标架构主要是64 位 x86和64 位 aarch64。如果你是常见的 Intel/AMD Ubuntu 服务器基本就是x86_64如果是某些 ARM 服务器则可能是aarch64。(Anaconda)你可以先执行uname-m常见输出x86_64普通 Intel/AMD 服务器aarch64ARM64 服务器2.2 glibc 版本是否满足要求官方说明里写得很明确最新 Miniconda 安装器要求glibc 2.28因此它不支持 Ubuntu 18.04但支持 Ubuntu 20.04 及以上。这个点很关键因为很多“脚本能下载但装不上”的问题本质上不是网络问题而是系统基础库版本过老。(Anaconda)你可以这样检查ldd--version如果你是 Ubuntu 20.04、22.04、24.04一般都没问题。2.3 磁盘空间是否够用官方给出的最低要求是至少 400 MB 磁盘空间同时建议优先安装到当前用户目录这种方式通常不需要管理员权限也更稳。(Anaconda)3. Ubuntu 安装 Miniconda 的标准步骤下面按官方 Linux 安装文档来走步骤很稳。3.1 下载安装脚本如果你的机器是最常见的x86_64直接执行wgethttps://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh这是官方 Linux x86_64 的安装脚本下载方式。官方同页也给出了curl -O版本如果你是 ARM64则需要下载对应的linux-aarch64安装器。(Anaconda)3.2 可选校验安装包完整性这一步很多人会省略但在服务器环境里其实挺值得做。官方建议下载安装器后使用SHA-256校验本地文件再与官方归档中的哈希值比较确认安装包没有损坏或被篡改。(Anaconda)示例命令sha256sum Miniconda3-latest-Linux-x86_64.sh3.3 运行安装脚本bash~/Miniconda3-latest-Linux-x86_64.sh接下来会进入交互安装流程。一般按下面方式处理就够了回车浏览协议内容输入yes接受协议安装路径直接回车使用默认目录当提示是否初始化 Conda 时输入yes官方 Linux 安装页就是这种命令行安装方式。(Anaconda)3.4 刷新 shell 环境如果安装时你已经选择了初始化通常重新打开终端即可。对于 Bash也可以直接执行source~/.bashrc这样当前 shell 会立即加载 Conda 初始化代码。这个逻辑和conda init的官方说明是一致的。(Conda 文档)3.5 验证是否安装成功conda--versionconda list如果能正常输出版本和包列表说明 Miniconda 已经装好了。官方安装文档也把conda list作为验证安装是否成功的方法之一。(Anaconda)4.conda init到底做了什么很多人第一次看到conda init bash会觉得它像一个“神秘修复命令”。其实不是。官方文档解释得很清楚conda activate和conda deactivate这类命令不只是启动一个程序而是直接影响当前 shell 的环境变量状态所以 Conda 必须和你所在的 shell 交互。为此conda init会把一小段初始化代码写进对应 shell 的启动脚本中例如 Bash 常见就是~/.bashrc。执行完后大多数 shell 需要重新打开才能生效。(Conda 文档)所以当你安装完发现conda:commandnot found别慌通常执行conda initbashsource~/.bashrc就能恢复。5. 安装完成后第一件事创建独立环境这一步特别重要。不要把所有包都装进base。官方环境管理文档明确说明Conda 的核心能力就是创建、切换、导出和管理相互隔离的环境。(Conda 文档)比如你想创建一个 Python 3.11 的环境conda create-nllm-gpupython3.11-yconda activate llm-gpu官方给出的标准形式也是这种conda create -n 环境名 python版本的写法。(Conda 文档)再验证一下当前环境condaenvlist python-Vwhichpython这样你后面装 PyTorch、Transformers、FastAPI就都在这个环境里不会污染系统默认 Python。6. 常见问题与排查思路6.1 安装完后conda找不到最常见原因不是没装成功而是shell 还没初始化。因为 Conda 需要和当前 shell 交互conda init后通常要重开终端才生效。(Conda 文档)排查命令conda initbashsource~/.bashrc conda--version6.2 Ubuntu 18.04 装不上这不是你命令写错了而是官方当前最新安装器要求glibc 2.28而 Ubuntu 18.04 不满足这个条件。(Anaconda)6.3 ARM 机器安装异常官方说明中提到linux-aarch64的构建在某些 Raspberry Pi 场景下可能不兼容因此如果你不是标准 ARM 服务器而是某些特殊板卡可能需要额外留意。(Anaconda)6.4 为什么建议装到当前用户目录官方建议本地用户安装因为这种方式通常不需要管理员权限同时也更稳、更不容易影响整机其他用户。(Anaconda)7. 一键复制版命令如果你只是想快速装完下面这组最实用。7.1 安装 Minicondawgethttps://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.shbash~/Miniconda3-latest-Linux-x86_64.shsource~/.bashrc conda--versionconda list7.2 创建开发环境conda create-nllm-gpupython3.11-yconda activate llm-gpu condaenvlist python-V7.3 如果conda命令找不到conda initbashsource~/.bashrc conda--version这些命令分别对应官方 Linux 安装文档、conda init命令说明以及环境管理文档中的标准流程。(Anaconda)8. 总结如果你只是想在 Ubuntu 上把 Conda 环境管理能力先搭起来Miniconda 是比完整 Anaconda 更合适的起点。它轻量、干净、安装简单而且非常适合服务器和项目隔离场景。安装时最关键的几个点其实只有四个确认系统是x86_64还是aarch64确认系统满足glibc 2.28安装时选择初始化 shell安装完成后先创建独立环境不要什么都装进base