openEuler AI 开发环境搭建 - Python/Anaconda/Jupyter 完整指南

恭喜！你已经在 openEuler 25.09 上成功搭建了完整的 AI 开发环境。✅ 系统准备 - 更新系统、安装开发工具、配置国内镜像源✅ Python 管理 - 使用 pyenv 管理 Python 版本✅ Anaconda 环境 - 安装 Miniconda 和常用科学计算库✅ Jupyter 配置 - 配置远程访问和密码保护✅ AI 框架 - 安装 TensorFlow 和 PyTorc

小魔女千千鱼

403人浏览 · 2025-12-06 00:06:04

小魔女千千鱼 · 2025-12-06 00:06:04 发布

前言

在人工智能快速发展的今天，搭建一个稳定、高效的 AI 开发环境是每个开发者的必备技能。本文将带你在 openEuler 25.09 操作系统上从零开始搭建完整的 AI 开发环境。
重要提示：本教程专门针对 openEuler 25.09 版本编写，镜像源配置已针对该版本优化。

为什么选择 openEuler？

openEuler 是一款开源、免费的企业级操作系统，具有以下显著优势：
✅ 性能卓越 - 针对 ARM 和 x86 架构深度优化，AI 计算性能表现出色
✅ 稳定可靠 - 企业级内核，长期支持版本（LTS）保证系统稳定性
✅ 生态丰富 - 完美支持主流 AI 框架（TensorFlow、PyTorch、PaddlePaddle）
✅ 包管理先进 - dnf/yum 包管理器，软件安装便捷高效

实验环境

操作系统: openEuler 25.09 (新版)
ISO 文件: openEuler-25.09-x86_64-dvd.iso
硬件配置:
- CPU: 2核及以上
- 内存: 4GB 及以上（推荐 6GB）
- 硬盘: 40GB 可用空间
网络: 能够访问互联网
权限: 具有 sudo 权限的普通用户

一、系统准备与基础环境配置

在开始搭建 AI 开发环境之前，我们需要先准备好 openEuler 系统的基础环境。

1.1 系统更新与开发工具安装

首先，我们需要更新系统并安装编译 Python 所需的开发工具包。
步骤 1：检查系统版本

# 查看系统版本
cat /etc/os-release

# 查看内核版本
uname -r

步骤 2：更新系统软件包

# 更新软件包索引
sudo dnf makecache

# 更新所有已安装的软件包
sudo dnf update -y

[图片]

说明：dnf 是 openEuler 的包管理器。makecache 命令会刷新软件源缓存，update -y 会自动确认更新所有软件包。这个过程可能需要 3-5 分钟，取决于你的网络速度。
步骤 3：安装开发工具组

# 安装开发工具组（包含 gcc、g++、make 等）
sudo dnf groupinstall "Development Tools" -y

# 安装 Python 编译所需的依赖库
sudo dnf install -y \\
    zlib-devel \\
    bzip2-devel \\
    openssl-devel \\
    ncurses-devel \\
    sqlite-devel \\
    readline-devel \\
    tk-devel \\
    gdbm-devel \\
    libffi-devel \\
    xz-devel \\
    libuuid-devel \\
    wget \\
    curl \\
    git \\
    vim

[图片]

说明：

Development Tools 是一个软件包组，包含了编译软件所需的基础工具
后面列出的库都是编译 Python 时必需的依赖
\ 符号表示命令换行，可以让长命令更易读
这个安装过程大约需要 2-3 分钟
步骤 4：验证安装

# 检查 gcc 版本
gcc --version

# 检查 git 版本
git --version

# 检查 curl 版本
curl --version

[图片]

1.2 配置国内镜像源加速（openEuler 25.09 专用）

为了提高软件下载速度，我们配置国内的镜像源。
重要提示：openEuler 25.09 是创新版本，部分国内镜像源可能尚未完全同步。��们提供多个镜像源方案供选择。
声明：
以下方法选择一个就行因为很多源有时候链接不上我都放在下方让大家去试试
在这里插入图片描述

方案一：使用华为云镜像源（推荐）

# 备份原有的 repo 配置
sudo cp -r /etc/yum.repos.d /etc/yum.repos.d.backup

# 创建新的配置文件
sudo tee /etc/yum.repos.d/openEuler.repo > /dev/null <<'EOF'
[OS]
name=OS
baseurl=https://repo.huaweicloud.com/openeuler/openEuler-25.09/OS/$basearch/
enabled=1
gpgcheck=1
gpgkey=https://repo.huaweicloud.com/openeuler/openEuler-25.09/OS/$basearch/RPM-GPG-KEY-openEuler

[everything]
name=everything
baseurl=https://repo.huaweicloud.com/openeuler/openEuler-25.09/everything/$basearch/
enabled=1
gpgcheck=1
gpgkey=https://repo.huaweicloud.com/openeuler/openEuler-25.09/everything/$basearch/RPM-GPG-KEY-openEuler

[EPOL]
name=EPOL
baseurl=https://repo.huaweicloud.com/openeuler/openEuler-25.09/EPOL/main/$basearch/
enabled=1
gpgcheck=1
gpgkey=https://repo.huaweicloud.com/openeuler/openEuler-25.09/OS/$basearch/RPM-GPG-KEY-openEuler

[update]
name=update
baseurl=https://repo.huaweicloud.com/openeuler/openEuler-25.09/update/$basearch/
enabled=1
gpgcheck=1
gpgkey=https://repo.huaweicloud.com/openeuler/openEuler-25.09/OS/$basearch/RPM-GPG-KEY-openEuler
EOF

方案二：使用清华大学镜像源

# 备份原有的 repo 配置
sudo cp -r /etc/yum.repos.d /etc/yum.repos.d.backup

# 创建新的配置文件
sudo tee /etc/yum.repos.d/openEuler.repo > /dev/null <<'EOF'
[OS]
name=OS
baseurl=https://mirrors.tuna.tsinghua.edu.cn/openeuler/openEuler-25.09/OS/$basearch/
enabled=1
gpgcheck=1
gpgkey=https://mirrors.tuna.tsinghua.edu.cn/openeuler/openEuler-25.09/OS/$basearch/RPM-GPG-KEY-openEuler

[everything]
name=everything
baseurl=https://mirrors.tuna.tsinghua.edu.cn/openeuler/openEuler-25.09/everything/$basearch/
enabled=1
gpgcheck=1
gpgkey=https://mirrors.tuna.tsinghua.edu.cn/openeuler/openEuler-25.09/everything/$basearch/RPM-GPG-KEY-openEuler

[EPOL]
name=EPOL
baseurl=https://mirrors.tuna.tsinghua.edu.cn/openeuler/openEuler-25.09/EPOL/main/$basearch/
enabled=1
gpgcheck=1
gpgkey=https://mirrors.tuna.tsinghua.edu.cn/openeuler/openEuler-25.09/OS/$basearch/RPM-GPG-KEY-openEuler

[update]
name=update
baseurl=https://mirrors.tuna.tsinghua.edu.cn/openeuler/openEuler-25.09/update/$basearch/
enabled=1
gpgcheck=1
gpgkey=https://mirrors.tuna.tsinghua.edu.cn/openeuler/openEuler-25.09/OS/$basearch/RPM-GPG-KEY-openEuler
EOF

方案三：使用阿里云镜像源

# 备份原有的 repo 配置
sudo cp -r /etc/yum.repos.d /etc/yum.repos.d.backup

# 创建新的配置文件
sudo tee /etc/yum.repos.d/openEuler.repo > /dev/null <<'EOF'
[OS]
name=OS
baseurl=https://mirrors.aliyun.com/openeuler/openEuler-25.09/OS/$basearch/
enabled=1
gpgcheck=1
gpgkey=https://mirrors.aliyun.com/openeuler/openEuler-25.09/OS/$basearch/RPM-GPG-KEY-openEuler

[everything]
name=everything
baseurl=https://mirrors.aliyun.com/openeuler/openEuler-25.09/everything/$basearch/
enabled=1
gpgcheck=1
gpgkey=https://mirrors.aliyun.com/openeuler/openEuler-25.09/everything/$basearch/RPM-GPG-KEY-openEuler

[EPOL]
name=EPOL
baseurl=https://mirrors.aliyun.com/openeuler/openEuler-25.09/EPOL/main/$basearch/
enabled=1
gpgcheck=1
gpgkey=https://mirrors.aliyun.com/openeuler/openEuler-25.09/OS/$basearch/RPM-GPG-KEY-openEuler

[update]
name=update
baseurl=https://mirrors.aliyun.com/openeuler/openEuler-25.09/update/$basearch/
enabled=1
gpgcheck=1
gpgkey=https://mirrors.aliyun.com/openeuler/openEuler-25.09/OS/$basearch/RPM-GPG-KEY-openEuler
EOF

步骤：清除缓存并测试

# 清除旧的缓存
sudo dnf clean all

# 生成新的缓存
sudo dnf makecache

# 测试镜像源
sudo dnf repolist

你应该看到类似这样的输出：

[root@openEuler redis]# sudo dnf repolist
repo id                                                                          repo name
EPOL                                                                             EPOL
OS                                                                               OS
everything                                                                       everything
mysql57                                                                          MySQL 5.7 Local Repository for openEuler
update                                                                           update

故障排查：

如果遇到 403 错误，说明该镜像源尚未同步 openEuler 25.09，请尝试其他镜像源
如果遇到 404 错误，说明路径不存在，检查版本号是否正确
华为云镜像源通常是最新最全的，建议优先使用
步骤：禁用 GPG 检查（如果遇到 GPG 密钥问题）

# 如果遇到 GPG 密钥验证失败，可以临时禁用
sudo sed -i 's/gpgcheck=1/gpgcheck=0/g' /etc/yum.repos.d/openEuler.repo

# 重新生成缓存
sudo dnf clean all
sudo dnf makecache

安全提示：禁用 GPG 检查会降低安全性，仅在测试环境或无法获取密钥时使用。

二、Python 多版本管理环境搭建

在 AI 开发中，不同项目可能需要不同版本的 Python。使用 pyenv 可以轻松管理多个 Python 版本。

2.1 安装和配置 pyenv

pyenv 是一个优秀的 Python 版本管理工具。
步骤 1：使用自动安装脚本安装 pyenv

# 下载并执行 pyenv 安装脚本
curl https://pyenv.run | bash

[图片]

说明：这个脚本会自动下载 pyenv 及其插件到 ~/.pyenv 目录。安装过程大约需要 1-2 分钟。
步骤 2：配置环境变量

# 检查当前使用的 Shell
echo $SHELL

# 如果是 bash（大多数情况）
echo 'export PYENV_ROOT="$HOME/.pyenv"' >> ~/.bashrc
echo 'export PATH="$PYENV_ROOT/bin:$PATH"' >> ~/.bashrc
echo 'eval "$(pyenv init --path)"' >> ~/.bashrc
echo 'eval "$(pyenv init -)"' >> ~/.bashrc

# 重新加载配置文件
source ~/.bashrc

说明：

PYENV_ROOT 指定 pyenv 的安装目录
PATH 添加 pyenv 的可执行文件路径
pyenv init 初始化 pyenv 环境
步骤 3：验证 pyenv 安装

# 查看 pyenv 版本
pyenv --version

# 查看可安装的 Python 版本（列出部分）
pyenv install --list | grep "  3\\.[89]"

在这里插入图片描述

步骤 4：配置 pyenv 使用国内镜像加速

# 创建 pyenv 缓存目录
mkdir -p ~/.pyenv/cache

# 配置使用淘宝镜像（推荐）
echo 'export PYTHON_BUILD_MIRROR_URL="https://registry.npmmirror.com/-/binary/python/"' >> ~/.bashrc
source ~/.bashrc

说明：使用国内镜像可以大大加快 Python 的下载速度。

2.2 安装多个 Python 版本

现在我们安装几个常用的 Python 版本。
步骤 1：安装 Python 3.10（推荐）

# 安装 Python 3.10.13
pyenv install 3.10.13

[图片]

说明：

这个过程会下载 Python 源代码并编译，大约需要 5-10 分钟
你会看到编译过程的输出信息
如果遇到错误，检查前面的依赖库是否都已安装

步骤 2：设置全局默认 Python 版本

# 设置 Python 3.10 为全局默认版本
pyenv global 3.10.13

# 验证当前 Python 版本
python --version
python3 --version

# 查看 Python 路径
which python

你应该看到：
[图片]

步骤 3：配置 pip 使用国内镜像

# 创建 pip 配置目录
mkdir -p ~/.pip

# 配置使用清华大学 PyPI 镜像
cat > ~/.pip/pip.conf <<'EOF'
[global]
index-url = https://pypi.tuna.tsinghua.edu.cn/simple
trusted-host = pypi.tuna.tsinghua.edu.cn

[install]
trusted-host = pypi.tuna.tsinghua.edu.cn
EOF

# 验证配置
pip config list

在这里插入图片描述

步骤 4：升级 pip 和安装基础工具

# 升级 pip 到最新版本
pip install --upgrade pip

# 安装常用的 Python 工具
pip install --upgrade setuptools wheel

# 验证安装
pip --version

[图片]

三、Anaconda 科学计算环境部署

Anaconda 是一个专为科学计算和数据分析设计的 Python 发行版，非常适合 AI 开发。

3.1 安装 Miniconda

我们选择安装 Anaconda 的轻量级版本 Miniconda。
步骤 1：下载 Miniconda 安装脚本

# 创建下载目录
mkdir -p ~/Downloads
cd ~/Downloads

# 下载 wget https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh

这里我试过很多源都报错了就用我上边的可以
在这里插入图片描述

说明：

使用清华镜像下载速度很快，文件大小约 90MB
下载时间大约 1-2 分钟
步骤 2：安装 Miniconda

# 添加执行权限
chmod +x Miniconda3-latest-Linux-x86_64.sh

# 运行安装脚本
bash Miniconda3-latest-Linux-x86_64.sh

安装过程中会出现以下提示，按照说明操作：

许可协议：按 Enter 键查看，然后输入 yes 同意
安装位置：默认是 ~/miniconda3，直接按 Enter 确认
初始化 conda：输入 yes 让安装程序自动配置环境变量

上述的三个 yes 回车 yes 很重要记得别出错
[图片]

步骤 3：激活 conda 环境

# 重新加载 shell 配置
source ~/.bashrc

# 验证 conda 安装
conda --version

# 查看 conda 信息
conda info

[图片]

步骤 4：配置 conda 使用国内镜像

# 配置清华大学 Anaconda 镜像
cat > ~/.condarc <<'EOF'
channels:
  - defaults
show_channel_urls: true
default_channels:
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/msys2
custom_channels:
  conda-forge: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  pytorch: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
EOF

# 清除缓存
conda clean -i

# 验证配置
cat ~/.condarc

[图片]

步骤 5：更新 conda 和基础包

# 更新 conda 本身
conda update -n base -c defaults conda -y

# 更新所有基础包
conda update --all -y

这些图我就不应该截图了很简单的按照我的方式操作即可

3.2 创建 AI 开发环境

使用 conda 创建独立的虚拟环境，可以避免不同项目之间的依赖冲突。
步骤 1：创建 AI 开发环境

# 创建名为 ai-dev 的环境，使用 Python 3.10
conda create -n ai-dev python=3.10 -y

# 激活环境
conda activate ai-dev

# 验证环境
python --version
which python

[图片]

这里我也是醉了解决了几个小时都没处理
我建议用 pip 去安装不要用 conda 去安装
步骤 2：安装常用科学计算库

# 配置 pip 使用阿里云镜像
pip config set global.index-url https://mirrors.aliyun.com/pypi/simple/

# 安装所有需要的库
pip install numpy pandas matplotlib scikit-learn jupyter

# 验证安装
python -c "import numpy; import pandas; import matplotlib; import sklearn; print('✅ 所有库安装成功！')"

[图片]

显示全部安装成功就算完成了
[图片]

四、Jupyter Notebook 交互式开发环境

这个步骤我的设备有点小问题做不了
Jupyter Notebook 是 AI 开发中最常用的交互式开发工具。

4.1 配置 Jupyter Notebook

我们将配置 Jupyter Notebook，使其支持远程访问和密码保护。
步骤 1：生成 Jupyter 配置文件

# 确保在 ai-dev 环境中
conda activate ai-dev

# 生成配置文件
jupyter notebook --generate-config

步骤 2：生成访问密码

# 使用 Python 生成密码哈希
python -c "from jupyter_server.auth import passwd; print(passwd())"

[图片]

系统会提示你输入密码（输入时不显示），然后输出密码哈希值。
步骤 3：编辑 Jupyter 配置文件

# 使用 vim 编辑配置文件
vim ~/.jupyter/jupyter_notebook_config.py

在文件末尾添加以下配置：

# Jupyter Notebook 配置

# 允许远程访问
c.NotebookApp.ip = '0.0.0.0'

# 设置端口
c.NotebookApp.port = 8888

# 不自动打开浏览器
c.NotebookApp.open_browser = False

# 设置密码（替换为你刚才生成的哈希值）
c.NotebookApp.password = 'argon2:$argon2id$v=19$m=10240,t=10,p=8$xxxxxxxxxxxxx'

# 设置工作目录
c.NotebookApp.notebook_dir = '/home/user/jupyter_notebooks'

# 禁用令牌认证（已经使用密码）
c.NotebookApp.token = ''
c.NotebookApp.password_required = True

[图片]

步骤 4：创建 Jupyter 工作目录并启动

# 创建工作目录
mkdir -p ~/jupyter_notebooks

# 进入目录
cd ~/jupyter_notebooks

# 启动 Jupyter Notebook
jupyter notebook

这样表示启动成功绿色如果红色报错的话就另算
[图片]

五、AI 框架安装与验证

现在我们安装主流的深度学习框架 TensorFlow 和 PyTorch。

5.1 安装 TensorFlow（CPU 版本）

# 确保在 ai-dev 环境中
conda activate ai-dev

# 安装 TensorFlow CPU 版本
pip install tensorflow-cpu

# 或者使用 conda 安装（推荐）
conda install tensorflow -y

[图片]

验证 TensorFlow 安装

# 查看 TensorFlow 版本
python -c "import tensorflow as tf; print('TensorFlow 版本:', tf.__version__)"

# 简单测试
python -c "import tensorflow as tf; print('2 + 2 =', tf.add(2, 2).numpy())"

[图片]

5.2 安装 PyTorch（CPU 版本）

# 确保在 ai-dev 环境中
pip activate ai-dev

# 安装 PyTorch CPU 版本
pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cpu

# 或者使用 conda 安装（推荐）
pip  install pytorch torchvision torchaudio cpuonly -c pytorch -y

验证 PyTorch 安装

# 查看 PyTorch 版本
python -c "import torch; print('PyTorch 版本:', torch.__version__)"

# 简单测试
python -c "import torch; print('2 + 2 =', torch.tensor(2) + torch.tensor(2))"

[图片]

总结与后续

环境搭建总结

恭喜！你已经在 openEuler 25.09 上成功搭建了完整的 AI 开发环境。
✅ 系统准备 - 更新系统、安装开发工具、配置国内镜像源
✅ Python 管理 - 使用 pyenv 管理 Python 版本
✅ Anaconda 环境 - 安装 Miniconda 和常用科学计算库
✅ Jupyter 配置 - 配置远程访问和密码保护
✅ AI 框架 - 安装 TensorFlow 和 PyTorch 并验证

openEuler 25.09 特别说明

openEuler 25.09 是创新版本，具有以下特点：

最新技术栈 - 包含最新的软件包和内核版本
快速迭代 - 更新频率高，能够快速体验新特性
社区活跃 - 开发者社区积极参与，问题响应快
适合开发 - 适合开发和测试环境，不建议用于生产环境

如果您正在寻找面向未来的开源操作系统，不妨看看DistroWatch 榜单中快速上升的 openEuler:https://distrowatch.com/table-mobile.php?distribution=openeuler，一个由开放原子开源基金会孵化、支持“超节点”场景的Linux 发行版。
openEuler官网：https://www.openeuler.openatom.cn/zh/

🚀写在最后

希望我的分享能够帮助到更多的人，如果觉得我的分享有帮助的话，请大家一键三连支持一下哦~
❤️原创不易，期待你的关注与支持~
点赞👍+收藏⭐️+评论✍️
😊之后我会继续更新前端学习小知识，关注我不迷路~

2048 AI社区

有“AI”的1024 = 2048，欢迎大家加入2048 AI社区

更多推荐

基于LangChain与SGLang的本地知识库开发实战

本文介绍了一个完全本地化的RAG系统构建方案，基于LangChain框架和A40 48G显卡资源实现。系统采用的技术栈包括Ubuntu 22.04、Conda环境管理、SGLang推理框架、Chroma向量数据库等。详细阐述了环境配置步骤（包括系统更新、Conda安装、Python环境创建）和核心组件安装（LangChain、SGLang、PyTorch等）。文章提供了文档处理模块和向量存储模块的

2048 AI社区

K8s部署vLLM：原理到实践（基于Ubuntu 22.04）

摘要：本文详细介绍了在Ubuntu 22.04上部署Kubernetes集群并运行vLLM推理框架的完整流程。vLLM凭借PagedAttention和动态批处理技术显著提升GPU推理效率，支持多GPU并行及主流大模型。部署过程涵盖环境准备（NVIDIA驱动、容器运行时）、K8s集群搭建、vLLM容器化部署及优化（GPU调度、模型持久化）。通过K8s的Device Plugin实现GPU资源管理