文章目录
Conda：跨平台的二进制包管理器
conda 在 GitHub 上获得了 7,434 个 Star。
做过 Python 开发的人都遇到过这个问题：pip 只处理 Python 包，遇到 C 库或系统级依赖就无能为力。conda 的解法是跳出语言边界，做成一个真正的跨平台二进制包管理器。
解决什么问题
conda 不挑语言。不管包是用 Python、C 还是 Fortran 写的，只要打成 conda 包格式，都能统一安装和管理。这对于科学计算领域尤其重要。NumPy、SciPy、PyTorch 这些库底层依赖大量 C/C++ 代码，用 pip 装经常出问题，用 conda 就是一行命令的事。
环境隔离是另一个核心能力。conda 把环境当作一等公民，每个环境是一个独立的安装目录，创建时默认用硬链接，既快又省空间。
安装和更新
最小化安装推荐用 Miniconda 或 Miniforge。Anaconda Distribution 则会一次性装好数百个常用包。
更新 conda 很简单：
conda update --name base conda如果当前版本太老，需要分阶段更新。例如从 4.12 到 23.10，需要先安装 22.11.1 再更新。
日常使用
查看已安装包：conda list
搜索可用包：conda search
安装包：conda install <package-name>
创建隔离环境才是 conda 的强项：
conda create --name ml-project pytorch
conda activate ml-project激活后，新环境的 bin 目录出现在 PATH 最前面，所有后续操作都在这个环境里。用完 conda deactivate 切回 base。
构建和分发
conda 不只是用来装包。你可以写 recipe，用 conda-build 打出 conda 包，上传到 anaconda.org。社区里的 conda-forge 和 Bioconda 就是基于这套机制运转的，维护着数万个包。
社区生态
Miniforge 提供了最精简的入门方式，conda-forge 是最大的社区维护频道。官方文档、Zulip 和 GitHub Issues 都是活跃的求助渠道。对于做数据科学和机器学习的人来说，conda 是绕不开的基础设施。它把环境管理和包管理合在一起，省去了大量折腾依赖的时间。
习的人来说，conda 是绕不开的基础设施。它把环境管理和包管理合在一起，省去了大量折腾依赖的时间。