当前位置: 首页 > news >正文

5分钟上手Python3.9:Miniconda镜像创建独立环境,支持SSH远程开发

5分钟上手Python3.9:Miniconda镜像创建独立环境,支持SSH远程开发

1. 为什么选择Miniconda-Python3.9镜像

Python作为当今最流行的编程语言之一,其3.9版本在性能和功能上都有显著提升。但不同项目对Python版本和依赖库的要求可能不同,这就是Miniconda的价值所在。

Miniconda-Python3.9镜像为你提供:

  • 轻量级的Python 3.9基础环境
  • 独立的conda环境管理工具
  • 预装pip等基础包管理工具
  • 支持Jupyter Notebook和SSH远程开发
  • 可自由安装PyTorch、TensorFlow等AI框架

这个镜像特别适合:

  • 需要精确控制Python版本的项目
  • 同时开发多个Python项目的开发者
  • 需要复现实验结果的科研工作
  • 团队协作开发场景

2. 快速启动Miniconda环境

2.1 获取镜像并启动容器

首先确保你的系统已安装Docker,然后执行以下命令:

docker pull csdn/miniconda-python3.9 docker run -it -p 8888:8888 -p 2222:22 csdn/miniconda-python3.9

这个命令会:

  1. 拉取最新的Miniconda-Python3.9镜像
  2. 启动容器并映射8888端口(Jupyter)和2222端口(SSH)
  3. 进入容器的交互式终端

2.2 验证Python环境

在容器终端中输入:

python --version

你应该能看到类似Python 3.9.x的输出,确认Python版本正确。

3. 使用Jupyter Notebook开发

3.1 启动Jupyter服务

在容器终端中执行:

jupyter notebook --ip=0.0.0.0 --allow-root

这会启动Jupyter Notebook服务,并输出一个包含token的URL,类似:http://127.0.0.1:8888/?token=xxxxxxxxxx

3.2 本地访问Jupyter

  1. 在浏览器中打开上述URL
  2. 你将看到Jupyter的Web界面
  3. 点击"New"→"Python 3"创建一个新笔记本
  4. 现在可以开始编写和运行Python代码了

4. 通过SSH远程开发

4.1 设置SSH访问

容器已预装SSH服务,默认用户名为root,密码为123456

要连接到容器,在本地终端执行:

ssh -p 2222 root@localhost

输入密码123456后,你将进入容器的终端环境。

4.2 使用VS Code远程开发

  1. 在VS Code中安装"Remote - SSH"扩展
  2. 按F1,选择"Remote-SSH: Connect to Host..."
  3. 输入ssh -p 2222 root@localhost
  4. 输入密码123456
  5. 现在你可以像开发本地项目一样开发容器中的Python项目了

5. 管理Python环境

5.1 创建独立环境

为避免项目间的依赖冲突,建议为每个项目创建独立环境:

conda create -n myproject python=3.9 conda activate myproject

5.2 安装常用AI框架

在激活的环境中,可以安装所需框架:

# 安装PyTorch conda install pytorch torchvision torchaudio -c pytorch # 安装TensorFlow pip install tensorflow # 安装其他常用库 pip install numpy pandas matplotlib scikit-learn

6. Python 3.9新特性实践

Python 3.9引入了一些实用新特性,让我们通过代码示例来体验:

6.1 字典合并运算符

dict1 = {'a': 1, 'b': 2} dict2 = {'b': 3, 'c': 4} # 旧方法 merged = {**dict1, **dict2} print(merged) # {'a': 1, 'b': 3, 'c': 4} # 新方法 merged = dict1 | dict2 print(merged) # {'a': 1, 'b': 3, 'c': 4}

6.2 类型注解增强

from typing import Dict, List # 旧方法 def process(items: List[Dict[str, int]]) -> None: pass # 新方法(Python 3.9+) def process(items: list[dict[str, int]]) -> None: pass

7. 总结与下一步建议

通过本教程,你已经学会了:

  1. 如何快速部署Miniconda-Python3.9环境
  2. 使用Jupyter Notebook进行交互式开发
  3. 通过SSH实现远程开发
  4. 管理独立的Python环境
  5. 体验Python 3.9的新特性

下一步建议:

  • 为你的项目创建专用conda环境
  • 探索更多Python 3.9的新特性
  • 尝试安装其他AI框架如PyTorch Lightning
  • 将你的开发环境配置保存为Dockerfile以便复用

获取更多AI镜像

想探索更多AI镜像和应用场景?访问 CSDN星图镜像广场,提供丰富的预置镜像,覆盖大模型推理、图像生成、视频生成、模型微调等多个领域,支持一键部署。

http://www.jsqmd.com/news/502845/

相关文章:

  • 告别DNS劫持:手把手教你用C/C++和libcurl实现自己的DoH客户端
  • 双歧杆菌基因组分析全流程:从序列下载到基因簇挖掘与同源比对
  • 用户体验3.0(UX 3.0)范式框架
  • 单片机/C语言八股:(十四)const 关键字的作用(和 define 比呢?)
  • 大数据领域数据仓库的元数据生命周期管理
  • 解决VMware ESXi环境下Realtek RTL8125网卡驱动适配问题全指南
  • 企业资源管理系统ERP源码(Java)
  • 问卷设计:从“匠人手工”到“书匠策AI智造”的华丽转身
  • 揭开物种共存之谜:我用Hmsc贝叶斯统计分析了6个专题的数据,发现了这些秘密...
  • 射频工程师避坑指南:CPWG与微带线的7个关键选择标准(附RO4350B板材实测)
  • .NET 开源工作流: Slickflow.NET 工作流引擎关于AI大模型的应用实践
  • AI原生应用领域反馈循环:提升用户体验的关键
  • Qwen3-0.6B-FP8在Java面试题智能解答中的应用实战
  • 基于STM32的数字频率计系统设计与实现解析
  • 问题解决策略数据类型实现训练2
  • fanqienovel-downloader:3大核心功能让小说爱好者实现阅读自由
  • Chart.js金融图表插件:快速创建专业K线图和OHLC图表的最佳实践
  • Moondream2实现智能图像分析:基于卷积神经网络的目标检测实战
  • LaTeXdiff实战指南:高效标注论文修改差异
  • 后浪教育平面设计课程打造高效入门路径 - 速递信息
  • 如何高效一键下载网页视频?m3u8-downloader智能解决方案揭秘
  • 【智能体系统AgentOS】核心14:CLI
  • JT/T 1078流媒体平台对接实战:从设备注册到视频播放的完整流程
  • 黄仁勋表示AI代理时代全面爆发,AI Agents将无处不在
  • 小语种专业毕业论文专用的查重系统——Turnitin系统
  • 收藏!双非二本搞大模型应用开发(RAG/Agent):能找工作吗?有钱途吗?
  • 数字孪生:平台化与定制化的双向赋能
  • 教育数字化时代:如何快速获取国家中小学智慧教育平台电子课本的终极解决方案
  • 备份寄存器
  • day15-LangChain高级组件之工具-短期记忆-护栏-MCP-人机交互