1753 字
9 分钟

机器学习环境配置

平时在没有 root 权限的实验室或算力服务器上跑机器学习项目,环境管理一直是个绕不开的活。下面整理一下我自己在用的这套轻量方案:用 micromamba 替代完整版 Conda,接入远程 VS Code 的 Python 环境管理,再配合一套按目录自动激活环境的 Shell 脚本。

为什么选 micromamba#

micromamba 是一个兼容 Conda 生态、默认走 conda-forge channel 的环境管理器。跟完整版的 Anaconda/Miniconda 相比,放在无 root 权限、且需要控制磁盘占用的服务器上,它有几个特别实在的好处:

  1. 本身是静态链接的 C++ 单文件可执行程序,装完就能直接跑;
  2. 默认走 conda-forge channel,常用科学计算和机器学习包的覆盖面很广;
  3. 全程不需要 root 权限,安装和卸载都在自己的用户目录下搞定;
  4. 安装体积非常克制,特别适合空间紧张的服务器环境。

除了 Python 之外,micromamba 同样可以用来装和管理 JDK、Node.js 甚至 CUDA 等 Conda 包——当然,要不要把这些都塞进 Conda 环境里,还是要看具体项目的需求来定。

TIP

现在完全可以用 Conda / micromamba 来统一安装、管理和隔离 JDK、Node.js,甚至 CUDA 环境。

安装与更新 micromamba#

NOTE

这里直接使用官方安装脚本,不依赖 Homebrew。

详细的安装参数和选项可以参考 micromamba 官方文档。在 macOS、Linux 或 Windows 的 Git Bash 下,一条命令就能装好:

Terminal window
"${SHELL}" <(curl -L micro.mamba.pm/install.sh)

后续想要升级到最新版本也很省事,直接自更新即可:

Terminal window
micromamba self-update

接入远程 VS Code 环境管理#

平时写代码主要靠 VS Code Remote SSH 连服务器。只要装好 Python 和 Python Environments 这两个扩展,就可以让远程 VS Code 直接把 micromamba 当成 Conda 兼容的环境管理器来识别和调用。具体配置分两层:一层是跟服务器路径绑定的远程主机设置,另一层是放进项目仓库的项目设置。

远程主机设置#

通过 Remote SSH 连上服务器后,打开命令面板执行 Preferences: Open Remote Settings (JSON)。对应的远程配置文件通常位于:

~/.vscode-server/data/Machine/settings.json

在里面加上这两项:

{
"python-envs.defaultEnvManager": "ms-python.python:conda",
"python.condaPath": "~/micromamba/micromamba"
}

这里的 python.condaPath 必须指向远程服务器上真正的 micromamba 可执行文件。如果你当初修改了安装路径,可以先在终端里查一下确认位置:

Terminal window
command -v micromamba
WARNING

示例里刻意用了 ~ 表示当前用户的 home 目录,避免在共享配置、截图或文章中暴露真实用户名。写配置时尽量不要硬编码 /home/<username>/... 或其他带有个人账号信息的绝对路径。

项目设置#

主机路径配好之后,再去项目根目录下创建或修改 .vscode/settings.json:

{
"python-envs.pythonProjects": [
{
"path": ".",
"envManager": "ms-python.python:conda",
"packageManager": "ms-python.python:conda"
}
]
}

这段配置把当前目录声明为一个 Python 项目,并指定环境和包管理都走 Conda 兼容通道;真正干活的可执行文件,则由前面远程主机设置里的 python.condaPath 指向 micromamba。

NOTE

python.condaPath 属于远程主机级配置,千万别提交到项目的 .vscode/settings.json 里。拆开来放,既不会泄露服务器目录结构,也能让不同协作者各自填自己的安装路径。

两处都保存后,执行一次 Developer: Reload Window,接着就能在 Python: Select Interpreter 或侧边栏的 Python Environments 面板里挑选环境了。如果刷新后环境列表还没出来,执行一遍 Python Environments: Refresh All Environment Managers 再试即可。

按目录自动加载 Conda 环境#

在终端里来回切项目时,每次都手动 conda activate 挺烦人的。我写了一段放在 ~/.zshrc 或 ~/.bashrc 里的辅助脚本,从 ~/.conda_map.ini 读取“目录路径 -> 环境名”的映射关系,做到每次新建终端时按当前所在目录自动激活对应环境。

这套逻辑采用最长路径前缀匹配:如果当前子目录没有单独配置映射,会自动沿用父目录绑定的环境;如果你在同一个终端里 cd 到了别处,随时敲一下脚本里注册的 ac 别名就能手动重新匹配并激活最合适的环境。

Zsh 用户直接把下面这段放进 ~/.zshrc:

~/.zshrc
# --- 自动按路径激活 micromamba 环境(从 ~/.conda_map.ini 读取) ---
_load_auto_map() {
local file="$HOME/.conda_map.ini"
60 collapsed lines
typeset -gA AUTO_ACTIVATE_MAP
[[ -f "$file" ]] || return
local line key val
while IFS= read -r line || [[ -n "$line" ]]; do
# 删除注释(# 或 ;)和首尾空白
line="${line%%[#;]*}"
line="${line#"${line%%[![:space:]]*}"}"
line="${line%"${line##*[![:space:]]}"}"
[[ -z "$line" ]] && continue
if [[ "$line" == *=* ]]; then
key="${line%%=*}"
val="${line#*=}"
key="${key#"${key%%[![:space:]]*}"}"; key="${key%"${key##*[![:space:]]}"}"
val="${val#"${val%%[![:space:]]*}"}"; val="${val%"${val##*[![:space:]]}"}"
AUTO_ACTIVATE_MAP[$key]="$val"
fi
done < "$file"
}
_find_env_for_dir() {
local pwd="$PWD"
local best_prefix=""
local best_env=""
local prefix
for prefix in "${(@k)AUTO_ACTIVATE_MAP}"; do
# 确保以目录前缀匹配(支持不带斜杠的写法)
if [[ "${pwd%/}" == "${prefix%/}"* ]]; then
if (( ${#prefix} > ${#best_prefix} )); then
best_prefix="$prefix"
best_env="${AUTO_ACTIVATE_MAP[$prefix]}"
fi
fi
done
printf '%s' "$best_env"
}
_auto_activate_on_cd() {
_load_auto_map
local target_env cur_env
target_env="$(_find_env_for_dir)"
cur_env="${CONDA_DEFAULT_ENV:-}"
if [[ -z "$cur_env" && -n "$CONDA_PREFIX" ]]; then
cur_env="$(basename "$CONDA_PREFIX")"
fi
if [[ -n "$target_env" ]]; then
if [[ "$cur_env" != "$target_env" ]]; then
conda activate "$target_env" >/dev/null 2>&1 || true
fi
else
if [[ -n "$cur_env" && "$cur_env" != "base" ]]; then
conda deactivate >/dev/null 2>&1 || true
fi
fi
}
_auto_activate_on_cd
alias ac=_auto_activate_on_cd
# ac 来手动激活对应环境(前缀匹配激活,子文件夹都可用)
# --- 结束 自动激活 ---

如果服务器上默认用的是 Bash,对应的 ~/.bashrc 版本如下:

~/.bashrc
# --- 自动按路径激活 micromamba 环境(从 ~/.conda_map.ini 读取) ---
_load_auto_map() {
local file="$HOME/.conda_map.ini"
61 collapsed lines
# 使用全局关联数组
declare -gA AUTO_ACTIVATE_MAP=()
[[ -f "$file" ]] || return
local line key val
while IFS= read -r line || [[ -n "$line" ]]; do
# 删除注释(# 或 ;)和首尾空白
line="${line%%[#;]*}"
line="${line#"${line%%[![:space:]]*}"}"
line="${line%"${line##*[![:space:]]}"}"
[[ -z "$line" ]] && continue
if [[ "$line" =~ ^([^=]+)=(.+)$ ]]; then
key="${BASH_REMATCH[1]}"
val="${BASH_REMATCH[2]}"
key="${key#"${key%%[![:space:]]*}"}"; key="${key%"${key##*[![:space:]]}"}"
val="${val#"${val%%[![:space:]]*}"}"; val="${val%"${val##*[![:space:]]}"}"
AUTO_ACTIVATE_MAP["$key"]="$val"
fi
done < "$file"
}
_find_env_for_dir() {
local pwd="$PWD"
local best_prefix=""
local best_env=""
local prefix
for prefix in "${!AUTO_ACTIVATE_MAP[@]}"; do
# 确保以目录前缀匹配(支持不带斜杠的写法)
if [[ "${pwd%/}" == "${prefix%/}"* ]]; then
if (( ${#prefix} > ${#best_prefix} )); then
best_prefix="$prefix"
best_env="${AUTO_ACTIVATE_MAP[$prefix]}"
fi
fi
done
printf '%s' "$best_env"
}
_auto_activate_on_cd() {
_load_auto_map
local target_env cur_env
target_env="$(_find_env_for_dir)"
cur_env="${CONDA_DEFAULT_ENV:-}"
if [[ -z "$cur_env" && -n "$CONDA_PREFIX" ]]; then
cur_env="$(basename "$CONDA_PREFIX")"
fi
if [[ -n "$target_env" ]]; then
if [[ "$cur_env" != "$target_env" ]]; then
conda activate "$target_env" >/dev/null 2>&1 || true
fi
else
if [[ -n "$cur_env" && "$cur_env" != "base" ]]; then
conda deactivate >/dev/null 2>&1 || true
fi
fi
}
_auto_activate_on_cd
alias ac=_auto_activate_on_cd
# ac 来手动激活对应环境(前缀匹配激活,子文件夹都可用)
# --- 结束 自动激活 ---

验收与收尾要点#

整套配置跑通之后,回头确认这三件事基本就算稳了:

  1. 在没有 root 权限或需要控制磁盘占用的服务器上,用 micromamba 管 Conda 环境足够轻量且省心;
  2. 远程 VS Code 里把 python.condaPath 指到 micromamba,再在项目里指定 Conda 环境管理器,就能顺畅完成环境发现、切换和包管理;
  3. 与主机强绑定的路径留在远程 Machine 设置里,项目仓库的 .vscode/settings.json 只放可共享配置,既干净又避免暴露用户名和服务器目录结构。
机器学习环境配置
https://pinellia.uk/posts/machine-learning-env/
作者
Pinellia
发布于
2025-10-28
许可协议
CC BY-NC-SA 4.0