在 ModelScope (魔搭社区) 使用 Notebook (PAI-DSW) 开发时，最让开发者头疼的问题就是：实例一旦关机重启，之前安装的环境和包就全丢了。

本文将为你详解如何利用 /mnt/workspace/ 持久化目录实现“环境永存”，并同步分享官方推荐的第三方库管理规范。

---

🚀 核心技巧：将虚拟环境装进持久化目录

ModelScope 默认的系统盘（根目录）在重启后会重置，但 /mnt/workspace/ 是挂载的云盘，数据不会丢失。

1. 下载并安装 Miniconda

我们需要手动指定安装路径到持久化目录：

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

# 授权并安装到指定路径 /mnt/workspace/miniconda3
chmod +x Miniconda3-latest-Linux-x86_64.sh
bash Miniconda3-latest-Linux-x86_64.sh -b -p /mnt/workspace/miniconda3

2. 初始化与激活

ModelScope 默认通常使用 zsh，安装后需要初始化：

# 初始化 zsh 配置
/mnt/workspace/miniconda3/bin/conda init zsh

# 使配置立即生效
source ~/.zshrc

💡 重启小贴士： 由于 ~/.zshrc 在重启后也会恢复默认，下次开机后，你只需要再次运行上面的 conda init zsh && source ~/.zshrc 即可快速找回你的 Conda 权限。

---

Miniconda 基础操作指南

1. 常用命令速查
   这些是日常必备的核心命令：

操作	命令	说明
创建环境	conda create -n <env_name> python=3.10	可指定 Python 版本
查看环境列表	conda env list	检查环境存储路径
激活环境	conda activate <env_name>	进入目标工作环境
退出环境	conda deactivate	返回基础环境
删除环境	conda remove -n <env_name> --all	彻底清理环境

2. 环境持久化验证
   安装时若指定了 -p /mnt/workspace/miniconda3，请通过 conda env list 确认路径正确性。正常输出应显示：

# conda environments:
#
base                  * /mnt/workspace/miniconda3
mymodelscope            /mnt/workspace/miniconda3/envs/mymodelscope

只要路径以 /mnt/workspace/ 开头，环境数据就会持久保存。

🛠️ ModelScope 专项优化

1. 国内镜像配置（加速下载）
   替换默认源为国内镜像提升下载速度：

# 配置清华镜像源
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --set show_channel_urls yes

2. 包管理优先级
   遵循原则：

• 优先使用 conda 安装
• conda 不可用时再用 pip

注意事项：

• 在激活的 conda 环境中使用 pip 会正确安装到当前环境
• 避免升级系统级 pip，所有操作应在虚拟环境中进行

📦 三方库安装与管理规范

ModelScope 提供了丰富的预设环境（Python、PyTorch、TensorFlow 等组合）。在自定义环境时，请遵循以下操作规范：

1. 查看第三方库

在 Terminal 中，你可以随时查看当前环境已安装的包：

pip list

2. 安装与更新（避坑指南）

对于普通库，直接 pip install 即可。但对于 TensorFlow-GPU 等核心框架，请注意：

• 禁止升级系统 pip：升级系统级 pip 可能导致路径冲突，导致后续无法安装。
• 更新特定版本：建议使用 --user 参数并指定与 CUDA 兼容的版本。

# 示例：更新 tensorflow-gpu 到指定版本
pip install --upgrade --user tensorflow-gpu=<versionNumber>

3. 卸载第三方库

你可以卸载自己安装的库，但系统预装的基础库建议保留以维持环境稳定性：

pip uninstall <your-library-name>

---

❓ 常见问题 FAQ

Q1: 创建环境报错 CondaToSRejectedError？

现象： 提示 1 channel Terms of Service rejected。
原因： Anaconda 更新了服务条款，需要手动同意。
解决： 运行以下命令即可修复：

conda tos accept --override-channels --channel https://repo.anaconda.com/pkgs/main

Q2: 为什么推荐自己装 Miniconda 而不是用系统自带环境？

系统环境的库安装在 /usr/ 或 /root/ 下，重启即消失。将整个 Conda 及其 envs 放在 /mnt/workspace/，能确保你安装的数个 GB 的深度学习依赖（如 vLLM、Transformers）在下次开机时无需重新下载，开机即用。

---

📝 总结

1. 持久化存储：所有环境和重型工具链都放 /mnt/workspace/。
2. 规范管理：不随意升级系统 pip，确保框架版本与 CUDA 兼容。
3. 快速恢复：重启后记得 conda init。

---