4、Python环境配置：Miniforge安装、创建虚拟环境、pip换源、常用库安装

好，咱们继续往下走。上一章我们把 Jetson 的系统刷好了，也连上了网络。现在要干一件非常核心的事——搭 Python 环境。

你可能会想：「Python 不是自带了吗？为啥还要折腾？」

嗯，这里要注意。Jetson 是 ARM 架构，跟咱们的 x86 电脑不一样。直接用系统自带的 Python，版本可能不对，包也可能装不上。我刚开始玩 Jetson 的时候，就因为这个踩过坑——装 OpenCV 装了一整天，最后发现是 Python 环境的问题。

所以，咱们老老实实从 Miniforge 开始。

4.1 为什么选 Miniforge？

你可能听说过 Anaconda、Miniconda。但在 Jetson 上，我推荐 Miniforge。

原因很简单：

  • Anaconda 官方不支持 ARM64 架构
  • Miniconda 虽然能用，但源在国外，下载慢
  • Miniforge 原生支持 ARM64，而且用的是 conda-forge 频道，包很全

说白了，Miniforge 就是为 ARM 设备量身定做的。我个人的习惯是，所有 Jetson 项目统一用 Miniforge，省心。

4.2 安装 Miniforge

先 SSH 连上你的 Jetson，或者直接接显示器操作也行。

第一步，下载安装脚本：

wget https://github.com/conda-forge/miniforge/releases/latest/download/Miniforge3-Linux-aarch64.sh

如果下载慢，可以用我备用的国内镜像地址（记得替换版本号）：

wget https://mirrors.tuna.tsinghua.edu.cn/github-release/conda-forge/miniforge/LatestRelease/Miniforge3-Linux-aarch64.sh

第二步，运行安装：

bash Miniforge3-Linux-aarch64.sh

安装过程中会问你要不要初始化 conda，选 yes。然后重启终端，或者执行：

source ~/.bashrc

验证一下：

conda --version

看到版本号，就说明装好了。

小提示： 安装路径默认在 ~/miniforge3。我个人习惯不改路径，方便以后找。

4.3 创建虚拟环境

为什么要用虚拟环境？

你想想看，一个项目用 PyTorch 1.10，另一个用 2.0，如果全装在一起，迟早会冲突。我去年做一个多模型融合的项目，就是因为环境乱了，排查了整整两天。

所以，每个项目建一个独立环境，这是铁律。

创建 YOLO 专用的环境：

conda create -n yolo python=3.8

这里我选 Python 3.8，因为 YOLOv5 和 YOLOv8 对 3.8 支持最好。当然，你用 3.9 或 3.10 也行，但 3.8 最稳。

激活环境：

conda activate yolo

看到命令行前面多了个 (yolo)，就说明成功了。

注意： 每次新开终端，都要先 conda activate yolo 才能进入你的环境。我刚开始老忘记，后来在 .bashrc 里加了一行提示，才改掉这个毛病。

4.4 pip 换源

默认的 pip 源在国外，下载速度嘛……你懂的。我曾经等一个包等了半小时，最后超时了。

换成清华源，速度能快 10 倍以上。

临时换源：

pip install numpy -i https://pypi.tuna.tsinghua.edu.cn/simple

永久换源（推荐）：

pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple

验证一下：

pip config list

看到 index-url 那一行，就说明换成功了。

核心要点： 换源后，所有 pip install 都会走国内镜像。如果某个包在清华源没有，可以临时换回官方源：pip install 包名 -i https://pypi.org/simple

4.5 安装常用库

好，环境有了，源也换了。现在装几个最常用的库。

先装 NumPy：

pip install numpy

再装 OpenCV。这里要注意，Jetson 上装 OpenCV 有两种方式：

  • 用 pip 装 opencv-python（简单，但可能不带 CUDA 加速）
  • 用 Jetson 官方提供的预编译包（带 CUDA，性能更好）

我建议先用 pip 装，够用：

pip install opencv-python

如果你需要 CUDA 加速的 OpenCV，后面我会专门讲怎么编译。

然后装 Matplotlib：

pip install matplotlib

验证一下：

python -c "import numpy; print(numpy.__version__)"
python -c "import cv2; print(cv2.__version__)"
python -c "import matplotlib; print(matplotlib.__version__)"

三个都能正常输出版本号，就说明装好了。

小技巧： 我习惯把常用库写到一个 requirements.txt 里，下次重建环境直接 pip install -r requirements.txt，一步到位。

4.6 避坑指南

最后，分享几个我踩过的坑：

  • 权限问题： 不要用 sudo pip install，会破坏系统 Python。如果遇到权限错误，加 --user 参数。
  • 内存不足： Jetson 内存有限，装大包时可能会卡死。建议用 -c conda-forge 安装，conda 会处理依赖。
  • 版本冲突： 如果装某个包时报依赖冲突，别硬装。先 conda list 看看已安装的版本，再决定升级还是降级。

我曾经在一个项目里，因为 OpenCV 和 PyTorch 的版本不兼容，浪费了整整一个下午。后来学乖了，每次装新包前，先查一下兼容性。

好了，这一章就到这里。环境搭好了，下一章咱们就开始跑第一个 YOLO 检测程序。

← 上一章 📖 返回目录 下一章 →