conda使用指南

1. Conda 基本介绍

Conda是一个包和环境管理的工具。支持 Windows、macOS和 Linux。Conda可以快速的安装、运行和更新包和相关的依赖。Conda也可以轻易地创建、保存、加载和转换环境。

Anaconda是一个用于科学计算的 Python 发行版, 支持 Linux、Mac、Windows，包含了 conda、conda-build、Python和众多科学计算的包及其依赖。

Miniconda 是一个 Anaconda的轻量级替代，默认只包含了 conda, Python和一些它们所以依赖的包。

1.2 Anaconda 和 Miniconda 区别?

Miniconda是 Anaconda 的精简版本，同样也是一个开源环境，两者都是 conda系统的一部分。不同之处在于 Anaconda会预先安装许多常用的 Python套件，因此占用较多的硬盘空间。相比之下，Miniconda因为名为" Mini"，因此仅安装运行所需的基本套件，对于有多个不同 Python版本共存的情况，可以节省大量空间。

Miniconda可以依据自己需求建立自己的 Python环境，想要的套件自行安装。

1.3 为什么要使用 Conda?

一个典型的 Python项目会使用多个包来完成其功能。其中一些包也可能被其他项目所使用 (共享)。

项目之间共享的包可能会引起冲突。

比如，我们有两个项目P1和P2，P1使用NumPy 1.2版本，而P2需要NumPy 1.3版本，一个环境中存在两个版本就可能导致冲突。解决这个问题的办法就是使用虚拟环境。我们可以为每个项目分别创建一个独立的虚拟环境，来隔离包冲突。

常用的 Python虚拟环境管理工具有：

Virtualenv
Conda
pipenv
venv
uv
pyenv

2. Conda 安装

省略

官方：miniconda的资源页面的链接
镜像：Index of /anaconda/miniconda/ | 清华大学开源软件镜像站

下载安装即可

3. Conda 常用命令

3.1 基本命令

shell 复制代码

conda -help            # 查看帮助

conda info             # 查看 conda 信息

conda --version        # 查看 conda 版本

conda update conda     # 更新 Conda (慎用)

conda clean -all      # 清理不再需要的包

conda <指令> --help     # 查看某一个指令的详细帮助

conda config --show    # 查看 conda 的环境配置

conda clean -p         # 清理没有用, 没有安装的包

conda clean -t         # 清理 tarball

conda clean --all      # 清理所有包和 conda 的缓存文件

3.2 环境管理

3.2.1 创建 Conda 环境

使用 conda可以在电脑上创建很多套相互隔离的 Python环境，命令如下：

shell 复制代码

# 语法
conda create --name < env_name> python=<version> [package_name1] [package_name2] [......]

# 样例 创建一个名为 myenv 的环境, python 版本为3.10
conda create --name myenv python=3.12 # --name 可以简写为 -n

3.2.2 切换 Conda环境

前面说到 Conda可以创建多套相互隔离的 Python环境，使用 conda activate env_name 可以切换不同的环境。

shell 复制代码

 #语法
conda activate env_name

#样例 切换到 learn 环境
conda activate learn

如果要退出此环境，回到基础环境，可以使用如下命令

shell 复制代码

 #退出当前环境
conda deactivate

3.2.3 查看 Conda 环境

当电脑上安装了很多台 Conda环境的时候，可以使用 conda env list 命令查看所有已创建的 Conda环境。

shell 复制代码

# 查看当前电脑上所有的 conda环境
conda env list

3.2.4 删除某个 Conda 环境

shell 复制代码

# 语法
conda remove --name <env_name> --all

# 样例
conda remove --name learn - - all

3.2.5 克隆环境

shell 复制代码

# 语法
conda create --name <new_evn_name> --clone <old_env_name>#样例
conda create --name myclone --clone myenv

3.3 包管理

一旦激活了环境，你就可以使用 conda和 pip在当前环境下安装你所需要的包。在conda环境中, 不建议使用 pip。

3.3.1 安装包

在激活的环境中安装包，例如安装NumPy：

bash 复制代码

conda install numpy

可以使用以下命令安装特定版本的包：

bash 复制代码

conda install numpy=1.18

3.3.2 更新包

更新某个包到最新版本：

shell 复制代码

conda update numpy

#更新所有包到最新版本 (慎用)
conda update --all

执行命令后，conda将会对版本进行比较并列出可以升级的版本。同时，也会告知用户其他相关包也会升级到相应版本。当较新的版本可以用于升级时，终端会显示Proceed( $y$ /n)? , 此时输入y 即可进行升级。

3.3.3 卸载包

如果不再需要某个包，可以将其卸载：

shell 复制代码

conda remove numpy

3.3.4 列出环境中的所有包

查看当前环境中已安装的所有包：

shell 复制代码

conda list

查看当前虚拟环境中已安装的某个包的信息

shell 复制代码

conda list pip

3.3.5 搜索包

搜索可用的包及其版本信息：

shell 复制代码

 conda search package-name

3.4 使用通道(忽略)

Conda通道 (Channel)是 Conda用来查找和下载软件包的源。通道就像是软件仓库，用户可以从这些通道中获取需要的软件包。理解和有效管理 Conda通道，可以帮助用户更好地控制软件包的来源、版本以及稳定性。

主要通道

默认通道：这是 Conda自带的官方通道，由 Anaconda维护，包含了常用的数据科学和机器学习包。默认通道提供的包经过测试和优化，通常是稳定且值得信赖的。
Conda-Forge: Conda-Forge是一个社区驱动的通道，拥有数量庞大的软件包和活跃的维护者社区。通常情况下，Conda-Forge提供更多的最新软件包版本，对于一些在默认通道中没有的包来说尤为重要。由于是社区维护，更新速度快，适合需要最新特性和支持的用户。
Bioconda：专为生物信息学和生物数据分析设计的通道。包含很多用于生物数据处理和分析的工具。

查看已配置的通道

你可以使用以下命令查看当前配置的通道列表：

bash 复制代码

conda config --show channels

添加新的通道

如果需要从其他通道安装包，可以将其添加到 Conda配置中。例如，添加 Conda-Forge:

shell 复制代码

conda config --add channels conda-forge

设置通道顺序

通道是按顺序搜索的，优先使用在前面的通道。可以通过以下命令调整顺序：

shell 复制代码

conda config --set channel_priority strict

使用 strict优先级时，Conda会严格按照通道顺序来选择包。

删除通道

如果不需要某个通道，可以将其移除：

shell 复制代码

conda config --remove channels channel-name

临时使用特定通道

你可以在安装包时临时指定通道，而不改变全局配置。例如：

shell 复制代码

conda install package-name -c conda-forge

这样做会从 Conda-Forge通道安装指定的包。

通道优先级

Conda允许设置通道优先级，以决定从哪个通道下载软件包。默认情况下，Conda会根据通道列表的顺序依次查找包。你可以通过以下命令启用或禁用通道优先级：

shell 复制代码

conda config --set channel_priority true # 启用优先级
conda config --set channel_priority false # 禁用优先级

启用优先级后，Conda会严格根据通道顺序来选择包，确保从首选通道安装。

创建自定义通道

如果你需要在团队中共享包，或者需要托管私有包，可以创建自己的 Conda通道。自定义通道可以通过简单的HTTP服务器 (如NGINX或 Apache)托管，或者使用Anaconda的企业解决方案。

3.5 设置镜像

为了提高 Conda包的下载速度，特别是在网络连接到默认的 Conda服务器速度较慢的情况下，设置国内镜像 (或其他更接近你的地理位置的镜像)是一个常见且有效的方法。

以下是如何设置 Conda镜像的步骤：

方法一：通过命令行配置

你可以使用 conda config命令来添加镜像。例如,使用清华大学的 Anaconda镜像。

打开命令提示符或终端。
添加镜像URL:

shell 复制代码

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/pkgs/r
conda config --add channels
https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/pro
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 --set show_channel_urls yes

默认情况下，conda config添加的通道会排在列表的头部，但你可以通过以下命令来确认顺序：

shell 复制代码

conda config --show channels

方法二：通过修改配置文件

你也可以直接修改 Conda的配置文件来设置镜像：

找到并编辑 Conda的配置文件: ~/. condarc (Linux和macOS) 或 C:\Users<用户名>. condarc (Windows) 。TUNA 提供了 Anaconda 仓库与第三方源(conda-forge、msys2、pytorch等, 各系统都可以通过修改用户目录下的. condarc文件来使用TUNA 镜像源。Windows用户无法直接创建名为. condarc的文件, 可先执行 conda config -set show_channel_urls yes 生成该文件之后再修改。
添加或修改如下内容：

shell 复制代码

channels:
	- defaults
show_channel_urls: true
default_channels:
	- https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
	- https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r
	- https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/msys2
custom_channels:
	conda-forge: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
	msys2: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
	bioconda: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
	menpo: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
	pytorch: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
	pytorch-lts: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
	simpleitk: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
	deepmodeling:https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/
# 更改环境目录
envs_dirs:
  - F:\.conda\envs
pkgs_dirs:
  - F:\.conda\pkgs
# 禁用自动激活环境
auto_activate: false

运行 conda clean -i 清除索引缓存，保证用的是镜像站提供的索引。

验证和测试

在设置完镜像后，你可以通过安装软件包来测试镜像是否工作正常。例如：

shell 复制代码

conda install numpy

查看输出的信息，确保包是从你设置的镜像URL下载的。

3.6 环境导入与导出(忽略)

导出环境

将当前环境导出为一个YAML文件，方便共享：

shell 复制代码

conda env export > environment.yml

从文件创建环境

使用YAML文件创建一个新环境：

shell 复制代码

conda env create - f environment.yml