Python环境管理
LLaMA-Factory Online为您提供详细的环境配置指南，帮助您正确设置和使用运行环境，有效避免实例启动失败等问题。同时，指南还可以帮助您根据需求灵活管理和配置自定义环境，具体操作详见下文。
前提条件
- 您已经获取LLaMA-Factory Online账户和密码，如果需要帮助或尚未注册，可参考注册账户完成注册。
- 当前账号的余额充裕，可满足实例启动的需要。
操作步骤
查看默认环境
-
使用已注册的LLaMA Factory Online账号登录平台，选择[实例空间]菜单项，进入实例空间页面，例如下图所示。单击“开始微调”进入资源配置页面。
-
根据需求，选择相应的配置资源规格(GPU或CPU)以及卡数，点击“启动”按钮即可启动实例。
-
以启动GPU实例为例，启动后页面如下图所示。单击“Terminal”菜单项，已进入终端页面。
在JupyterLab工作空间中，用户可通过Conda创建和管理多个Python环境。这些环境将被创建在envs目录下的独立文件夹中。其中，envs目录下的“If_pkgs”文件夹用于存储默认Python环境（lf）的增量依赖包。
- 系统启动实例时默认使用
lf虚拟环境。 - 若在使用WebUI训练模型时缺少依赖包，您可在终端的默认
lf虚拟环境中安装所需包。增量依赖将自动安装至“lf_pkgs”文件夹，而lf环境的默认依赖位于/opt/conda/envs/lf/目录中。 - 若因在
lf虚拟环境中安装自定义依赖导致实例无法正常启动，可点击例如下图所示“重置环境并启动”按钮，系统将恢复初始环境（自动删除“lf_pkgs”中的增量依赖包）。
- 如您不需要使用默认
lf虚拟环境复现项目或者论文，建议自定义新Python虚拟环境，自定义环境步骤可参看自定义环境。
-
在终端执行
conda env list命令，可查看Conda环境列表。其中标有“*”的环境为当前激活的默认环境。如下图所示，“If”环境即为当前默认的Conda环境。
自定义环境
用户如果要安装自定义依赖包，可根据需求创建新的Python环境，步骤如下：
-
使用已注册的LLaMA Factory Online账号登录平台，选择[实例空间]菜单项，进入实例空间页面，例如下图所示。单击“开始微调”进入资源配置页面。
-
根据需求，选择相应的配置资源规格(GPU或CPU)以及卡数，点击“启动”按钮即可启动实例。
-
以启动GPU实例为例，启动后页面如下图所示。单击“Terminal”菜单项，已进入终端页面。
-
在终端运行如下命令创建新环境。用户可根据需求命名和选择合适的python版本。
conda create -n [name] python=[vision]提示本示例创建了一个名称为"test"，python版本为3.11的新环境，故：
[name]：test
[vision]：3.11 -
下载完成后，可以看到envs目录下会新增一个“test”文件夹,例如下图所示。运行如下所示的命令可切换到
test环境。
conda activate [name]提示本示例创建的新环境名称为"test"，故：
[name]：test可以使用命令下载您需要的工具。(以下载用于python数据分析的pandas工具包为例)
conda install pandas信息- 可以在终端输入以下命令，查看 conda 的所有命令列表：
conda --help - 或者只看子命令列表：
conda list - 如果想看某个命令的详细用法，比如环境相关：
conda env --help
- 可以在终端输入以下命令，查看 conda 的所有命令列表：