RootStack

08_Conda：科学计算的环境与包管理

12分钟阅读

Conda：科学计算的环境与包管理

Conda 是一个跨平台的环境和包管理器，最初为科学计算设计，但现在广泛用于 Python 开发。
与 venv/pip 不同，conda 可以管理任何语言的依赖（Python、R、C/C++、CUDA 等），
并且能创建指定 Python 版本的独立环境。

一、Conda vs venv/pip

特性venv + pipconda
环境管理仅 Python任何语言 (Python/R/CUDA)
Python 版本需系统已安装自动下载指定版本
包来源PyPIconda-forge / defaults
C 库依赖需手动装系统包conda 自动处理
CUDA 支持需手动装conda install pytorch-cuda
跨平台部分包有差异一致的跨平台体验
环境激活source .venv/bin/activateconda activate env_name

何时用 conda：

  • 需要特定 Python 版本（如 3.10）
  • 项目依赖 CUDA、MKL、OpenBLAS 等 C 库
  • 科学计算（NumPy、SciPy、PyTorch、TensorFlow）
  • R 语言或混合 Python/R 项目

何时用 venv/pip：

  • 纯 Python Web 开发
  • 不需要特殊 C 库
  • 追求轻量和速度

二、安装 Conda

2.1 Miniconda（推荐，轻量）

# Linux
wget https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh
bash Miniconda3-latest-Linux-x86_64.sh
 
# macOS (Intel)
wget https://repo.anaconda.com/miniconda/Miniconda3-latest-MacOSX-x86_64.sh
bash Miniconda3-latest-MacOSX-x86_64.sh
 
# macOS (Apple Silicon)
wget https://repo.anaconda.com/miniconda/Miniconda3-latest-MacOSX-arm64.sh
bash Miniconda3-latest-MacOSX-arm64.sh

2.2 安装交互流程

# 安装脚本会依次提示：
$ bash Miniconda3-latest-Linux-x86_64.sh
 
# 1. 查看许可协议（按回车滚动）
# 输入 yes 接受许可协议
 
# 2. 确认安装路径
# 默认路径：~/miniconda3
# 按回车确认，或输入自定义路径
 
# 3. 初始化 Miniconda
# 是否运行 conda init？（推荐 yes）
# 输入 yes，它会自动修改 ~/.bashrc
 
# 4. 安装完成后重新加载 shell
source ~/.bashrc   # Linux
# source ~/.zshrc  # macOS (zsh)

2.3 验证安装

conda --version
# conda 24.x.x
 
# 查看 conda 配置
conda config --show
 
# 查看 Python 版本
python --version

2.4 接受条款（批量操作）

# 如果需要静默安装（如脚本自动化）
bash Miniconda3-latest-Linux-x86_64.sh -b -p ~/miniconda3
# -b = batch mode（不进入交互）
# -p = 指定安装路径
 
# 安装后初始化
~/miniconda3/bin/conda init bash
source ~/.bashrc

三、Conda 初始化

3.1 什么是 conda init

conda init 会修改 shell 配置文件（~/.bashrc、~/.zshrc 等），添加一段初始化代码，
使得 conda activate 和 conda deactivate 命令可用。

# 手动初始化（如果安装时跳过了）
conda init bash       # for bash
conda init zsh        # for zsh
conda init fish       # for fish
conda init powershell # for PowerShell
 
# 初始化后需要重新加载 shell
source ~/.bashrc

3.2 初始化做了什么

# conda init 会在 ~/.bashrc 末尾添加类似以下内容：
 >>> conda initialize >>>
 # !! Contents within this block are managed by 'conda init' !!
 __conda_setup="$('/home/user/miniconda3/bin/conda' 'shell.bash' 'hook' 2> /dev/null)"
 if [ $? -eq 0 ]; then
     eval "$__conda_setup"
 else
     if [ -f "/home/user/miniconda3/etc/profile.d/conda.sh" ]; then
         . "/home/user/miniconda3/etc/profile.d/conda.sh"
     else
         export PATH="/home/user/miniconda3/bin:$PATH"
     fi
 fi
 unset __conda_setup
 <<< conda initialize <<<

3.3 禁止自动激活 base 环境

conda 安装后默认会自动激活 base 环境，这会让终端提示符变长且可能影响 venv 使用。

# 禁止自动激活 base
conda config --set auto_activate_base false
 
# 验证配置
conda config --show | grep auto_activate_base
# auto_activate_base: False
 
# 恢复自动激活
conda config --set auto_activate_base true

3.4 手动激活/退出 base

# 禁止自动激活后，需要手动激活
conda activate base    # 手动激活
conda deactivate       # 退出
 
# 或者直接激活其他环境
conda activate myenv   # 直接跳到目标环境

四、配置国内镜像源

4.1 清华镜像（推荐）

# 添加清华镜像源
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/cloud/conda-forge/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
conda config --set show_channel_urls yes

4.2 中科大镜像

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

4.3 查看当前源

conda config --show channels
# channels:
#   - https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/
#   - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
#   - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
#   - defaults

4.4 恢复默认源

conda config --remove-key channels

4.5 直接编辑配置文件

# 配置文件位置
~/.condarc   # 用户级配置
 
# 查看配置文件
cat ~/.condarc
# ~/.condarc 完整示例
channels:
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
  - defaults
show_channel_urls: true
auto_activate_base: false
solver: libmamba

五、创建虚拟环境

5.1 创建指定 Python 版本的环境

# 创建 Python 3.10 环境
conda create -n myenv python=3.10
 
# 创建环境并指定精确版本
conda create -n myenv python=3.10.12
 
# 创建环境并预装包
conda create -n myenv python=3.10 numpy pandas
 
# 创建环境时不自动激活
conda create -n myenv python=3.10 --no-default-packages
 
# 静默创建（不交互确认）
conda create -n myenv python=3.10 -y

5.2 激活/退出环境

# 激活环境
conda activate myenv
 
# 退出当前环境
conda deactivate
 
# 退出多层嵌套环境（连续 deactivate）
conda deactivate
conda deactivate   # 如果嵌套了两层
 
# 查看当前激活的环境
conda info --envs
# 当前环境前会有 * 号
# # conda environments:
# #
# base                  *  /home/user/miniconda3
# myenv                    /home/user/miniconda3/envs/myenv

5.3 按需自动激活环境

进入项目目录时自动激活对应环境，离开时自动退出。

# 方法一：使用 direnv（推荐）
 
# 安装 direnv
sudo apt install direnv   # Debian/Ubuntu
brew install direnv       # macOS
 
# 配置 bash
echo 'eval "$(direnv hook bash)"' >> ~/.bashrc
 
# 在项目目录创建 .envrc
cd ~/myproject
echo 'conda activate py310' > .envrc
direnv allow
 
# 现在进入 ~/myproject 会自动激活 py310
# 离开目录自动 deactivate
# 方法二：使用 conda-autoenv（社区工具）
pip install autoenv
echo 'source /path/to/autoenv/activate.sh' >> ~/.bashrc
 
# 在项目目录创建 .conda-init
cd ~/myproject
echo 'conda activate py310' > .conda-init

5.4 管理环境

# 列出所有环境
conda env list
 
# 复制环境
conda create -n myenv_copy --clone myenv
 
# 导出环境（用于分享/复现）
conda env export > environment.yml
 
# 仅导出手动安装的包（不含依赖）
conda env export --from-history > environment-minimal.yml
 
# 从 yml 文件创建环境
conda env create -n newenv -f environment.yml
 
# 更新环境
conda env update -n myenv -f environment.yml
 
# 重命名环境
conda rename -n old_name new_name
 
# 删除环境
conda env remove -n myenv

六、Mamba：Conda 的加速版

Mamba 是 conda 的 C++ 重写版本，解析依赖速度比 conda 快 10-100 倍。

6.1 安装 Mamba

# 在 base 环境中安装 mamba
conda install -n base conda-libmamba-solver
 
# 或直接安装 mamba（推荐）
conda install -n base -c conda-forge mamba

6.2 使用 Mamba

# mamba 命令与 conda 完全兼容，直接替换即可
mamba create -n myenv python=3.10
mamba activate myenv
mamba install numpy pandas scikit-learn
mamba search numpy
mamba env list

6.3 设置 mamba 为默认求解器

# 让 conda 使用 mamba 作为求解器
conda config --set solver libmamba
 
# 验证
conda config --show | grep solver
# solver: libmamba

6.4 Mamba vs Conda 速度对比

操作condamamba
create -n env python=3.10~60s~5s
install pytorch~120s~15s
update --all~90s~10s

七、安装包

7.1 使用 conda install

# 激活环境后安装
conda activate myenv
 
# 安装包
conda install numpy
conda install pandas=2.0
conda install scikit-learn matplotlib
 
# 从 conda-forge 安装（社区维护，更新更快）
conda install -c conda-forge numpy
 
# 搜索包
conda search numpy
conda search numpy --info  # 查看详细信息
 
# 安装多个包
conda install numpy pandas matplotlib -y

7.2 使用 pip（conda 环境内）

# conda 环境内可以使用 pip
conda activate myenv
pip install requests  # 从 PyPI 安装
 
# 注意：conda install 优先，pip install 作为补充
# 如果 conda 有该包，优先用 conda install
# pip 安装的包 conda 无法管理，可能造成依赖冲突

7.3 管理已安装包

# 查看当前环境的包
conda list
 
# 查看特定包
conda list numpy
 
# 更新包
conda update numpy
conda update --all  # 更新所有包
 
# 卸载包
conda uninstall numpy

八、实战：创建 Python 3.10 + PyTorch 环境

8.1 创建环境

# 创建 Python 3.10 环境
conda create -n py310 python=3.10 -y
conda activate py310
 
# 安装 PyTorch（CUDA 11.8）
conda install pytorch torchvision torchaudio pytorch-cuda=11.8 -c pytorch -c nvidia
 
# 或从 conda-forge 安装
conda install -c conda-forge pytorch torchvision torchaudio

8.2 验证安装

python -c "import torch; print(torch.__version__); print(torch.cuda.is_available())"
# 2.x.x
# True

8.3 导出环境

conda env export > py310_torch.yml
# py310_torch.yml 内容示例
name: py310
channels:
  - pytorch
  - nvidia
  - conda-forge
  - defaults
dependencies:
  - python=3.10
  - pytorch
  - torchvision
  - torchaudio
  - pytorch-cuda=11.8

九、常见问题

9.1 conda activate 不生效

# 错误：CommandNotFoundError: Command 'conda' not found
# 原因：conda init 未执行
 
# 解决：
conda init bash
source ~/.bashrc

9.2 conda 安装太慢

# 方法一：使用国内镜像（见 §四）
# 方法二：使用 mamba（见 §六）
# 方法三：设置超时时间
conda config --set remote_read_timeout_secs 600

9.3 conda 和 venv 混用

# 不建议混用，但可以在 conda 环境内创建 venv
conda activate myenv
python -m venv .venv  # 不推荐，多此一举
 
# 推荐：用 conda 管理环境，pip 作为补充
conda activate myenv
pip install some_package  # OK

9.4 清理无用包

# 清理不再需要的包
conda clean --all
 
# 查看环境占用空间
du -sh ~/miniconda3/envs/myenv

9.5 环境损坏修复

# 如果环境无法激活
conda activate myenv
# 报错：CondaError: Run 'conda init' first
 
# 尝试重建
conda env remove -n myenv
conda create -n myenv python=3.10

十、Conda 命令速查

操作命令
创建环境conda create -n env_name python=3.10
静默创建conda create -n env_name python=3.10 -y
激活环境conda activate env_name
退出环境conda deactivate
列出环境conda env list
删除环境conda env remove -n env_name
重命名环境conda rename -n old new
复制环境conda create -n copy --clone original
导出环境conda env export > environment.yml
精简导出conda env export --from-history > min.yml
从 yml 创建conda env create -f environment.yml
安装包conda install package_name
指定版本conda install package_name=1.0
从 conda-forge 安装conda install -c conda-forge package_name
更新包conda update package_name
卸载包conda uninstall package_name
搜索包conda search package_name
列出已安装包conda list
清理缓存conda clean --all
禁止自动激活 baseconda config --set auto_activate_base false
设置 mamba 求解器conda config --set solver libmamba
初始化 shellconda init bash

十一、与 venv/pip 的选择指南

需要特定 Python 版本？ ──是──→ conda
        │
        否
        │
需要 CUDA/MKL 等 C 库？ ──是──→ conda
        │
        否
        │
科学计算/数据分析？ ──是──→ conda
        │
        否
        │
Web 开发/纯 Python？ ──是──→ venv + pip

关系图谱

反向链接