conda的安装、配置和使用

什么是Conda、Miniconda、Anaconda

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。

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：

1. Virtualenv
2. Conda
3. pipenv
4. venv

通过使用这些工具，我们可以很容易的创建虚拟环境。

Conda的安装和配置

我们以安装Minconda为例。、 平台：windows 10。

下载安装

官网下载地址：https://docs.conda.io/en/latest/miniconda.html

当然，由于Anconda和Miniconda的服务器都在国外，下载速度有点感人。我们可以使用清华的镜像：https://mirrors.tuna.tsinghua.edu.cn/anaconda/miniconda/。

点击链接，进入Miniconda的镜像页面，如图。下载自己需要的版本。我这里选择的是Minconda3的23.5.2版本，默认Python版本是3.11，windows 64平台。

安装：

双击下载好的.exe文件。

根子自己需要选择为当前用户还是为所有用户安装。

选择安装目录。

• 在开始菜单中，创建快捷方式。
• 注册Miniconda3，使它能被VsCode、PyCharm等检测到。
• 清楚缓存。

到此我们的conda已经安装完毕。此时，我们的开始菜单中多了如下几个目录。

我们可以通过 Anconda Prompt(conda) 使用conda。

如果你想在普通的cmd.exe中使用conda，需要将conda添加到系统的PATH环境变量中。具体来说，对于conda4.6之后的版本是将{conda的安装目录}\condabin 添加到PATH中。注意不是Scripts，这是conda 4.6之后的一个改变。

原因可以看Conda command is not recognized on Windows 10中 Simba 的回答。简单来说，就是之前将Scripts添加到PATH，它不仅将conda命令暴露给cmd，同时也会将base环境的python都暴露来给cmd。这样我们之前python就会被覆盖，无法使用。而condabin只会将命令暴露给cmd。

配置清华的channel

为什么要配置清华的channel呢，我们先解释一下conda的工作流程：

1. 我们输入命令，告诉conda要安装的package
2. conda从channel中下载我们指定的package。（channel是一个托管着很多package的仓库）

默认的channel服务器在国外下载缓慢，所以我们可以配置成清华的channel。 步骤：

1. 生成.condarc 的文件：可以借助一下命令生成.condarc文件。这个文件会生成在你用户目录下。

conda config --set show_channel_urls yes

2. 修改.condarc内容：打开.condarc文件，将https://mirrors.tuna.tsinghua.edu.cn/help/anaconda/中的配置信息粘贴进去。

3. 运行一下命令，清除索引缓存，保证用的是镜像站提供的索引。

conda clean -i

conda的使用

创建conda环境

创建一个空环境

conda create --name {env_name}  #此处 --name 也可以简写成 -n
conda create --name myenv

你可以在创建环境时指定python版本和一些所需的包。

conda create --name {env_name} {python=x.x.x} package1 package2

例如：

conda create --name myenv python=3.7.5 pandas numpy

同样的，包的版本也可以指定。

激活环境

conda activate {env_name}

停用当前环境

conda deactivate

安装包packages

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。

使用conda

conda install pkg_name1=x.x.x pkg_name2=x.x.x

使用pip

pip install pkg_name1==x.x.x pkg_name2==x.x.x

或者根据requirements.txt文件，安装多个包

pip install -r requirements.txt

查看环境中安装的包

1. 查看当前环境中的包

conda list

2. 查看指定环境中的包

conda list -n {env_name}

查看环境列表

一下指令可以列出所有的conda环境。

conda env list
#or
conda info --envs # --envs可以简写成 -e

输出：

# conda environments:      
# 
env1                  *  C:\Users\tao\.conda\envs\env1    
mlenv                    C:\Users\tao\.conda\envs\mlenv   
myenv                    C:\Users\tao\.conda\envs\myenv   
test                     C:\Users\tao\.conda\envs\test    
base                     D:\conda

当前激活的环境会有一个*标记。

删除环境

首先要确保你不在该环境中。

conda env remove -n env_name

创建一个相同的环境

要创建与现有环境相同的环境，需要显式地创建要复制的环境的规范文件，并在创建新环境时使用它。 步骤一：创建一个spec file

conda list --explicit > spec-file.txt

步骤二：

conda create --name myenv --file spec-file.txt

你可以在同一台机器或者不同的机器上，做此操作。

如果你想在某环境中安装spec file文件指定的包，运行以下命令。

conda install --name env_name --file spec-file.txt

跨平台分享环境（推荐）

当您尝试在另一个系统/平台中复制您的环境时，存在一个常见的问题。 当您创建环境和包时，假设您运行如下命令。 这将下载并安装许多其他依赖包，以便使您想要安装的包能够工作。 这很容易引入不兼容的软件包。 所以，可以采用如下方法：

conda env export --from-history > environment.yml

添加--from-history标志将只安装您使用conda要求安装的包。它将不包括依赖包或使用任何其他方法安装的包。

传入environment.yml文件，别人就可以重新创建你的环境。

conda env create -f environment.yml

环境回滚

Conda维护了您对环境所做更改的历史记录，这里的更改是指您使用Conda命令所做的更改。它允许您通过使用修订号revision numbers回滚。

激活环境后，首先使用它查看修订和修订号。

conda list --revisions

然后，回滚。

conda install --rev {revison_num}

:::info Important Note: If you had installed other packages via pip install or other methods, those will not be exported to the environment file as well. So as a best practice, in order to share packages to other platforms, use conda to install packages (conda install pkg_name). :::

参考

Miniconda3的环境配置_miniconda3环境变量_Expected future的博客-CSDN博客 关于conda环境的配置，看这一篇就够了 Index of /anaconda/miniconda/ | 清华大学开源软件镜像站 | Tsinghua Open Source Mirror Conda — conda 23.7.2.dev12 documentation Conda create environment and everything you need to know to manage conda virtual environment - Machine Learning Plus