最新保姆级Linux下安装与使用conda：从下载配置到使用全流程

特性	Anaconda	Miniconda
完整性	包含完整的科学计算和数据分析工具包集	仅包含 Conda 和 Python
体积	大约 3GB	大约 50-60MB
预装包	超过 1,500 个科学包和依赖项	无预装包，需自行安装
使用场景	适合初学者和需要快速搭建环境的用户	适合有经验的用户和需要精简环境的用户
优点	开箱即用，附带 Anaconda Navigator 图形界面	安装速度快，占用空间小，灵活性高
缺点	占用磁盘空间大，安装时间长	需要手动安装包
适用人群	超级新手	老炮，当然（想日后成为大佬的新手）

我的建议是，如果你在windows安装，那选择anaconda没什么，但是我们在Linux中，不需要可视化界面，且我们多节省空间给数据，因此我的建议是：

miniconda！

4.安装前需要确认的东西（非常重要）

（1）安装的目录

我们要选择一个安装的目录，大部分会选择安装在home目录自己的文件夹下，如：

/home/david

如果是多个课题组公用的集群，一般会有一个属于自己的文件路径（当然需要有挂载home目录）

/yourPath/david

确定这个路径的过程，就可以理解为你在Windows中，要把文件放在C盘还是在D盘等。

（2）安装目录剩余的空间大小

使用conda安装的包和依赖文件等都会存储在上一步你想存放的目录中，因此在安装之前需要保证你有很多的内存来存储未来要安装的包：

bash 复制代码

df -h /Path

这样可以看到目录使用了多少内存，还剩下多少内存。

要确保安装目录有15G及以上的空闲内存！（10G也可以）

（3）bashrc配置文件位置，及是否存在

在安装conda的过程中，conda需要定位bashrc是否存在，不然会报错，我们在安装之前检查一下：

bash 复制代码

cd       #回到home目录
ls -lsa  #列出所有文件

确定一下有没有bashrc这个文件，如果没有的话，我们直接创建一个：

bash 复制代码

vim .bashrc

5.下载conda（自动方法）

直接用wget下载到之前指定的目录：

bash 复制代码

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

如果网络问题无法下载或者各种原因失败，则使用手动方法：

下载成功的话跳转到安装conda步骤

5.下载conda（手动方法）

（1）我们通过镜像资源下载conda，这样快一些：直接下载最新的miniconda可以直接跳到第5步，用我的链接下载

清华大学开源软件镜像站 | Tsinghua Open Source Mirror

（2）在搜索框内搜索conda

（3）不管是要下载anaconda或者miniconda，我们都点这里的anaconda进入

（4）如果下载anaconda，则进入archive目录，如果是下载miniconda，则进入miniconda目录

（5）然后我们先点Date使得按照时间降序（下载最新版本），然后选择linux安装的版本，一般来说都是选择x86_64.sh这个，右键复制链接，接下来回到linux中进行下载：

如果之前的步骤网络就不好，就本地下载，然后上传到服务器上

bash 复制代码

cd yourPath/ #移动到你之前选定的安装路径
wget https://mirrors.tuna.tsinghua.edu.cn/anaconda/miniconda/Miniconda3-py39_24.9.2-0-Linux-x86_64.sh

下载完后，安装包会在指定的目录下，检查一下：

bash 复制代码

cd yourPath
ls -ls #检查一下

6.安装conda

接下来是安装步骤：

（1）（如果下载的是压缩包）则需要解压，如果是sh文件，则不需要，直接运行：

bash 复制代码

bash Miniconda3-latest-Linux-x86_64.sh

（2）一直回车，疯狂回车(放心，一直按enter），这里是一些协议及基本信息：

（3）当遇到选择yes和no的时候，输入yes，这是同意协议：

（4）重点！！！！！！！！！

看到这个，先看一下》》》》前的目录是你所想安装的目录吗？，如果不是，则复制你要安装的目录地址在后面，这个我们之前确认过：

（5）后面就没什么重要的了，顺着安装，直到下一个yes 和no的选项：

这里是选择初始化选项：

yes - conda 修改 shell 配置，以便在你打开新 shell 时初始化 conda，并自动识别 conda 命令。

no - conda 不会修改你的 shell 脚本。安装后，如果你想要初始化，必须手动进行。

我们选择yes（不用后面自己配置）

（6）全部安装完后（看到thanks），进行初始化：

bash 复制代码

source ~/.bashrc

使得更改生效。

7.验证

我们看一下安装的conda是否成功：

我们输入：

bash 复制代码

conda -V

显示版本号则为安装成功。

至此安装全部的流程就结束辣！

如果有什么问题，可以评论区交流一下！

8.基本配置与conda换源

我们使用conda下载的时候，conda会从默认的源进行下载，这个是很慢的，因此我们需要给conda配置一些国内镜像源：

我们安装清华源+conda forge（自测比较好）

bash 复制代码

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/conda-forge
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/pytorch/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/
conda config --set show_channel_urls yes

检查一下是否成功：

bash 复制代码

conda config --show

9.详细理解什么是conda的环境，什么是conda的source

（1）conda环境（重点理解）：

Conda环境是一种隔离的环境，它允许你在不同的项目中使用不同版本的软件包，而不会发生冲突。每个Conda环境都有自己的安装目录，这意味着你可以在这个环境中安装特定版本的包，而不会影响到其他环境中的包版本。

应用示例 ：

假设你有两个数据科学项目，项目A需要Python 3.7和TensorFlow 1.x，而项目B需要Python 3.8和TensorFlow 2.x。在这种情况下，你可以创建两个独立的Conda环境：

bash 复制代码

# 创建项目A的环境
conda create -n projectA python=3.7 tensorflow=1.x
# 创建项目B的环境
conda create -n projectB python=3.8 tensorflow=2.x

然后，你可以激活相应的环境来工作：

bash 复制代码

# 激活项目A的环境
conda activate projectA
# 激活项目B的环境
conda activate projectB

这样，你就可以在不同的环境中使用不同版本的库，而不会担心版本冲突。

（2）conda使用source

在Unix-like系统中，source命令用于读取并执行shell脚本文件中的命令。在Conda中，source通常用于激活或取消激活Conda环境。当你想要激活一个Conda环境时，你会使用source activate environment_name命令，这会将你的shell环境变量更新为指向该环境的路径，从而允许你在该环境中运行命令。

应用示例 ：

假设你已经创建了一个名为data_analysis的Conda环境，你可以使用以下命令来激活它：

bash 复制代码

source activate data_analysis

10.conda的日常使用

我们只需要知道一些基本的conda命令就可以覆盖大部分的工作了：

Conda 常见命令及功能

命令	功能描述
`conda clean -p`	清理未被其他包依赖的包，释放空间。
`conda clean -t`	删除conda保存的tar包，进一步释放空间。
`conda -V` 或 `conda --version`	查看conda的当前版本。
`conda env list` 或 `conda info -e`	列出当前所有的conda环境。
`conda create -n <env_name> python=<version>`	创建一个新的conda环境，指定Python版本。
`conda activate <env_name>`	激活指定的conda环境。
`conda deactivate`	退出当前激活的conda环境。
`conda remove -n <env_name> --all`	删除指定的conda环境及其所有包。
`conda config --add channels <channel_url>`	添加新的软件源，以便从该源安装包。
`conda install <package>`	安装指定的包到当前激活的环境中。
`conda update <package>`	更新指定的包到最新版本。
`conda remove <package>`	从当前激活的环境中卸载指定的包。
`conda list`	列出当前环境中已安装的所有包及其版本。

这些命令涵盖了conda的基本操作，包括环境管理、包管理、清理和配置等。掌握这些命令可以

11.注意事项

conda的日常使用，一定要对于不用的任务和课题规划好环境，这样才可以做到井井有条。其他的问题，各种conda问题可以在评论区与我交流！