Python Conda的基本认识整理

戴着面具

177人浏览 · 2026-06-29 19:03:58

戴着面具 · 2026-06-29 19:03:58 发布

，而项目 B 需要 Python 3.10 + TensorFlow 2.x），让它们在同一个电脑上互不干扰地运行。

Conda 的核心使用指南，涵盖从安装到日常开发的全流程：

安装与初始化
选择版本：
Anaconda: 全家桶，预装了 1500+ 个科学计算包（如 NumPy, Pandas, Jupyter），适合新手，但占用空间大（约 3-5GB）。
Miniconda (推荐): 轻量版，只包含 Conda、Python 和少量依赖。适合进阶用户，按需安装包，节省空间。
下载: 访问 Anaconda 官网或国内镜像（如清华源）下载。

安装后初始化: 安装完成后，重启终端。如果 conda 命令不可用，运行：

conda init
# 然后重启终端或运行 source ~/.zshrc (Mac/Linux) / 关闭重开 PowerShell (Windows)

核心功能一：环境管理 (Environment)
这是 Conda 最强大的功能。每个项目都应该有一个独立的虚拟环境。

操作	命令	说明
查看环境	conda env list 或 conda info --envs	列出所有环境，当前激活的环境前会有 * 号
创建环境	conda create -n <环境名> python=<版本>	例如：conda create -n myproject python=3.9
激活环境	conda activate <环境名>	进入该环境，终端提示符前会显示 (myproject)
退出环境	conda deactivate	返回基础环境 (base)
删除环境	conda remove -n <环境名> --all	彻底删除某个环境及其所有包
克隆环境	conda create -n new_env --clone old_env	复制一个现有环境（用于备份或实验）

实战示例：


# 1. 创建一个名为 'dl_env' 的环境，指定 Python 3.10
conda create -n dl_env python=3.10

# 2. 激活它
conda activate dl_env

# 3. 现在在这个环境里安装的包不会影响其他项目
# 4. 用完退出
conda deactivate

核心功能二：包管理 (Package)
在激活环境后 (conda activate )，使用以下命令安装包。

操作	命令	说明
搜索包	`conda search <包名>`	查找包的可用版本
安装包	`conda install <包名>`	例如：`conda install numpy pandas`
指定版本安装	`conda install <包名>=<版本>`	例如：`conda install tensorflow=2.10.0`
更新包	`conda update <包名>`	更新到最新兼容版本
更新所有包	`conda upgrade --all`	更新当前环境中所有包
卸载包	`conda remove <包名>`	删除包
清理缓存	`conda clean --all`	删除未使用的包和缓存，释放空间

Conda vs Pip:
优先使用 conda install，因为它能处理非 Python 依赖（如 C/C++ 库、CUDA 工具包）。
如果 Conda 找不到某个包，再使用 pip install。注意：在 Conda 环境中使用 pip 时，确保先安装了 pip (conda install pip)。

环境导出与复现 (协作必备)
当你需要在另一台电脑或服务器上复现完全相同的环境时：
导出环境配置:

# 在当前激活的环境中运行
conda env export > environment.yml

这会生成一个 environment.yml 文件，包含所有包及其精确版本号。
从文件创建环境:


# 在新机器上运行
conda env create -f environment.yml

加速配置 (中国大陆用户必看)
默认源在国外，下载速度极慢。建议配置清华源或中科大源。
一次性配置命令 (推荐):

# 添加清华源
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/bioconda
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/menpo
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch

# 显示源地址（可选，方便调试）
conda config --set show_channel_urls yes

配置完成后，再次安装包速度会飞快。

常用工作流示例
假设你要开始一个新的深度学习项目：


# 1. 创建环境 (Python 3.9)
conda create -n my_dl_project python=3.9

# 2. 激活环境
conda activate my_dl_project

# 3. 安装 PyTorch (以 CPU 版为例，GPU 版需去官网查对应命令)
conda install pytorch torchvision torchaudio cpuonly -c pytorch

# 4. 安装其他数据科学包
conda install jupyter matplotlib scikit-learn pandas

# 5. 启动 Jupyter 开始写代码
jupyter notebook

# ... 开发完成后 ...

# 6. 导出环境以便分享
conda env export > environment.yml

# 7. 退出环境
conda deactivate