文章目录
- 在Anaconda环境中使用mamba创建环境管理包和安装库是最佳选择
- [先操作 anaconda](#先操作 anaconda)
-
- [1. windows安装anaconda](#1. windows安装anaconda)
- [2. 修改anaconda源](#2. 修改anaconda源)
- [3. 在 base 环境中安装 Mamba](#3. 在 base 环境中安装 Mamba)
- Mamba常用命令
-
- [1. 清除缓存（用于解决各种奇奇怪怪的错误）](#1. 清除缓存（用于解决各种奇奇怪怪的错误）)
- [2. 创建新环境](#2. 创建新环境)
- [3. 激活环境](#3. 激活环境)
- [4. 查看所有环境](#4. 查看所有环境)
- [5. 删除环境](#5. 删除环境)
- [6. 重命名环境（先克隆再删除）](#6. 重命名环境（先克隆再删除）)
- [7. 安装包（先用 mamba 装核心库，纯 Python 包用 pip 补）](#7. 安装包（先用 mamba 装核心库，纯 Python 包用 pip 补）)
- [8. 卸载包](#8. 卸载包)
- [9. 更新包](#9. 更新包)
- [10. 查看已安装的包](#10. 查看已安装的包)
- [11. 搜索包](#11. 搜索包)
- [12. 查看包依赖树](#12. 查看包依赖树)
- [13. 查看包信息](#13. 查看包信息)
- [14. 依赖冲突调试](#14. 依赖冲突调试)
- [15. 导出环境配置](#15. 导出环境配置)
- [16. 从配置文件重建环境](#16. 从配置文件重建环境)
- [17. 离线迁移环境](#17. 离线迁移环境)
- [18. 克隆环境](#18. 克隆环境)
- 其他常用查询命令
-
- [1. pytorch、cuda、cudnn可用性查询](#1. pytorch、cuda、cudnn可用性查询)
- [2. conda、mamba、python查询](#2. conda、mamba、python查询)
- 补充conda常用命令
-
- [1. 安装打包工具、打包、解压缩](#1. 安装打包工具、打包、解压缩)
- [2. 创建、激活、删除环境](#2. 创建、激活、删除环境)
- [3. 查看现有的环境列表](#3. 查看现有的环境列表)
- 常见开发环境部署
在Anaconda环境中使用mamba创建环境管理包和安装库是最佳选择
（1）conda 的依赖求解器是 Python 写的，在面对 PyTorch、CUDA 这些有严格底层依赖的库时，常常会卡在"Solving environment"很久甚至报错。而 mamba 的核心求解器是 C++ 重写的，速度极快，能瞬间找出避免冲突的最优解
（2）在 base 装 mamba，然后所有子环境都用 mamba 创建和安装。这样做的好处是，整个 Anaconda 生态的"包索引"是共享的。你用 mamba 创建的环境，底层调用的依然是 Anaconda 的 pkgs 缓存，不会重复下载，节省空间，且二进制兼容性最好。
（3）Mamba 和 Conda 操作的是同一套环境文件夹（envs），你随时可以用 conda activate 进去。即使某个极端情况下 mamba 卡住，你退出来用 conda install 救场也可以，它们是互通的。
先操作 anaconda
1. windows安装anaconda
官网下载地址：https://www.anaconda.com/download-success
如下图所示，若选择只为当前用户安装，安装路径为C:\Users\Administrator\anaconda3；若选择为所有用户安装，安装路径为C:\ProgramData\anaconda3。
我一般会把所有后续可选安装选项都勾上。
卸载时用windows自带控制面板卸载，若有文件残余再手动删除安装目录，要有气势开始菜单文件件残余C:\Users\Administrator\AppData\Roaming\Microsoft\Windows\Start Menu\Programs
2. 修改anaconda源
将C:\Users\你的用户名.condarc文件内容替换成以下内容：
xml
channels:
- https://mirrors.ustc.edu.cn/anaconda/cloud/conda-forge/
- https://mirrors.ustc.edu.cn/anaconda/pkgs/main/
- defaults
show_channel_urls: true
channel_priority: flexible没用清华源，因为清华源对anaconda支持不好，用的中科大源。
3. 在 base 环境中安装 Mamba
以管理员身份运行安装后的Anaconda Prompt，在base环境命令行中运行以下命令：
bash
conda update conda
conda install mamba -n base -c conda-forge
mamba --version # 验证安装成功Mamba常用命令
1. 清除缓存（用于解决各种奇奇怪怪的错误）
bash
mamba clean -a # 清除所有缓存（包缓存 + 索引缓存）
mamba clean -i # 仅清除索引缓存
mamba clean -p # 仅清除包缓存2. 创建新环境
bash
# 基本创建
mamba create -n <环境名> python=<版本号>
# 创建时同时指定多个包
mamba create -n <环境名> python=<版本号> <包1> <包2>
# 创建时指定频道（临时绕过源配置）
mamba create -n <环境名> python=<版本号> -c conda-forge -c defaults
# 示例：创建 ai_agent 环境，Python 3.11
mamba create -n ai_agent python=3.11 -y3. 激活环境
bash
mamba activate <环境名> # 激活
conda activate <环境名> # 同样可用
mamba deactivate # 退出当前环境4. 查看所有环境
bash
mamba env list
conda env list5. 删除环境
bash
mamba env remove -n <环境名>若要删除所有环境，可手动删除安装目录下的envs文件夹和lib/site-packages缓存目录
xml
C:\Users\Administrator\anaconda3\envs
C:\Users\Administrator\anaconda3\Lib\site-packages6. 重命名环境（先克隆再删除）
bash
mamba create -n <新名字> --clone <旧名字>
mamba env remove -n <旧名字>7. 安装包（先用 mamba 装核心库，纯 Python 包用 pip 补）
bash
# 通过 mamba 安装（推荐，解决依赖更强）
mamba install <包名>
mamba install <包名1> <包名2>
# 从指定频道安装
mamba install <包名> -c <频道名>
# 安装指定版本
mamba install <包名>=<版本号>
# 通过 pip 安装（纯 Python 包）
pip install <包名>
pip install <包名>==<版本号>
# 例如安装cuda版pytorch
mamba install pytorch torchvision torchaudio pytorch-cuda=12.4 -c pytorch -c nvidia -y8. 卸载包
bash
mamba remove <包名>
pip uninstall <包名>9. 更新包
bash
mamba update <包名> # 更新指定包
mamba update --all # 更新环境中所有包
mamba upgrade <包名> # 同 update10. 查看已安装的包
bash
mamba list # 当前环境所有包
mamba list -n <环境名> # 指定环境的包
mamba list | grep <包名> # 过滤查找11. 搜索包
bash
mamba search <包名>
mamba search <包名> -c conda-forge12. 查看包依赖树
bash
mamba repoquery depends <包名> # 查看该包的依赖
mamba repoquery depends <包名> --tree # 树形展示
mamba repoquery whoneeds <包名> # 查看谁依赖了该包13. 查看包信息
bash
mamba info <包名> # 查看包详细信息（版本、依赖等）14. 依赖冲突调试
bash
# 显示详细的安装日志（定位冲突源头）
mamba install <包名> -vvv
# 放宽版本限制，让求解器自由选择
mamba install <包名> --no-pin15. 导出环境配置
bash
# 导出当前激活的环境
mamba env export > environment.yml
# 导出指定环境
mamba env export -n <环境名> > environment.yml
# 推荐：只导出你明确安装的包（更干净，跨平台友好）
mamba env export -n <环境名> --from-history > environment.yml
# 忽略构建版本（提高兼容性）
mamba env export -n <环境名> --no-builds > environment.yml16. 从配置文件重建环境
bash
mamba env create -n <环境名> -f environment.yml17. 离线迁移环境
bash
# 打包成压缩文件
mamba pack -n <环境名> --output <环境名>.tar.gz
# 解压使用（在目标机器上）
mkdir -p <目标路径>
tar -xzf <环境名>.tar.gz -C <目标路径>18. 克隆环境
bash
mamba create -n <新环境名> --clone <旧环境名>其他常用查询命令
1. pytorch、cuda、cudnn可用性查询
bash
nvidia-smi # 查看驱动支持的最高 CUDA 版本
nvcc --version # 查看 CUDA 开发工具包版本先在命令行输入python进入编译环境，再依次输入以下代码：
python
import torch
print(f'PyTorch版本: {torch.__version__}')
print(f'CUDA可用: {torch.cuda.is_available()}')
print(f'CUDA版本 (PyTorch内): {torch.version.cuda}')
print(f'显卡名称: {torch.cuda.get_device_name(0)}')
print(f'显存总量: {torch.cuda.get_device_properties(0).total_memory / 1024**3:.1f} GB')2. conda、mamba、python查询
bash
conda info # Conda 完整信息
mamba info # Mamba 完整信息
python --version # 当前 Python 版本
which python # 当前 Python 路径（Linux/macOS）
where python # 当前 Python 路径（Windows）补充conda常用命令
1. 安装打包工具、打包、解压缩
bash
conda install -c conda-forge conda-pack # base环境
conda pack -n test_env -o C:/test_env.tar.gz # base环境
mkdir -p ~/conda_envs/new_env # 也可在anaconda安装目录下找到envs文件夹，手动创建新环境目录
tar -xzf test_env.tar.gz -C ~/conda_envs/new_env
.\conda_envs\new_env\Scripts\activate # 激活解压的环境2. 创建、激活、删除环境
bash
conda create -n new_env python=3.11 # 最后别用python3.10，有很多兼容问题
conda activate new_env # 激活环境
conda deactivate # 退出当前环境
conda remove -n new_env --all # 删除环境
conda clean --all # 删除所有索引缓存、未使用的包、压缩包、临时文件、日志文件3. 查看现有的环境列表
bash
conda env list # base环境下输入命令常见开发环境部署
bash
mamba create -n agent_env python=3.11
mamba activate agent_env
# 安装 setuptools（锁定稳定版），否则打包环境时可能报错
mamba install setuptools=69.0.0
# 这一条命令中不要加 -c conda-forge，确保 PyTorch 的 MKL 运行时是完全独立的官方版本，否则会产生omp重复错误
mamba install pytorch torchvision torchaudio pytorch-cuda=12.4 -c pytorch -c nvidia
# deepseek和Qwen部署需要
mamba install transformers accelerate -c conda-forge
# 量化缩减工具bitsandbytes必须pip安装，避开dll冲突
pip install bitsandbytes -i https://pypi.tuna.tsinghua.edu.cn/simple
# autogluon自动化机器学习
mamba install -c conda-forge scikit-learn pandas
mamba install -c conda-forge autogluon "pytorch=*=cuda*"
mamba install -c conda-forge "ray-tune >=2.10.0,<2.49" "ray-default >=2.10.0,<2.49"
#如果报mxnet的错误
mamba install -c conda-forge mxnet
# 开源的局域网web交互前端
pip install open-webui -i https://pypi.tuna.tsinghua.edu.cn/simple
# 姿态检测项目需要
pip install opencv-python mediapipe pydirectinput numpy -i https://pypi.tuna.tsinghua.edu.cn/simple
# YoloV8官方项目库
mamba install -c conda-forge ultralytics
# 官方labelimg只兼容python3.9，且已停止更新，因此该版本python可以装社区发更新版本
pip install git+https://github.com/biantsh/labelImgPlus.git
# fastapi及串口通信需要
pip install ollama fastapi uvicorn pyserial matplotlib requests -i https://pypi.tuna.tsinghua.edu.cn/simple