简介

conda 分为 anaconda 和 miniconda，anaconda 是一个包含了许多常用库的集合版本，miniconda 是精简版本（只包含conda、pip、zlib、python 以及它们所需的包）。

Anaconda是一个开源的Python发行版，集成了Python解释器、一些常用的科学计算库和工具。通过它可以很方便地安装python以及其它一些语言的库，更重要的是可以为项目创建虚拟环境，隔离多个项目的占用的系统资源和依赖。

Anaconda官网 (opens new window)

使用虚拟环境的意义

在使用Python语言时，通过pip命令来安装第三方包，但是由于pip的特性，系统中只能安装每个包的一个版本。但是在实际项目开发中，不同项目可能需要第三方包的不同版本，迫使我们需要根据实际需求不断进行更新或卸载相应的包，而如果我们直接使用本地的Python环境，会导致整体的开发环境相当混乱而不易管理，这时候我们就需要开辟一个独立干净的空间进行开发和部署，也就是需要用到虚拟环境。

所谓虚拟环境是一个包含了特定 Python 解析器以及一些软件包的自包含目录，不同的应用程序可以使用不同的虚拟环境，从而解决了依赖冲突问题，而且虚拟环境中只需要安装应用相关的包或者模块，减轻了包管理的负担

它与venv的对比？如何选择？

Venv是Python的内置模块，通过它也可以创建虚拟环境。Venv与Anaconda的区别主要在于：

• 包管理的方式不同：

  venv创建的虚拟环境使用pip来安装和管理包。Conda创建的虚拟环境使用Conda自己的包管理系统来安装和管理包,它既可以使用conda install来安装包，也可以使用pip来安装包。

• 跨平台支持有差异：

  通常，venv更适用于纯python项目，而conda是一个支持多种编程语言(如Python, R, Ruby, Lua, Scala, Java, JavaScript, C/C++, FORTRAN)的跨平台的包管理系统，可以在Windows、Linux和macOS等操作系统上使用。

• 对python版本的依赖有差别：

  conda相比virtualenv/venv最重要的一点，因为在用virtualenv/venv时环境中Python的版本受系统Python版本的限制，而在使用conda时，环境里Python的版本则不受系统Python版本的限制

总结：venv创建的虚拟环境通常更轻量级,Conda更适合于复杂的项目，特别是涉及到多种语言或非Python依赖项的项目。

安装

windows版本安装

1. 选择合适的版本

2. 运行对应的exe程序，根据程序引导，一直next即可

3. 手动配置Conda的环境变量

需要添加的环境变量如下所示(E:\Anaconda 为AnaConda安装时选择的目录，视情况修改)：

E:\Anaconda 
E:\Anaconda\Scripts 
E:\Anaconda\Library\mingw-w64\bin
E:\Anaconda\Library\usr\bin 
E:\Anaconda\Library\bin

使用

• 查看conda版本

conda --version

环境操作

• 为python项目创建conda环境

# env_name为自定义环境名称，而后是包信息
# 示例，创建一个python版本3.8、名为env_name的的虚拟环境

conda create -n env_name python=3.8

#如果不指定后面的python=3.8 则只是一个系统的基本模块

• 进入和退出环境

# 进入环境(首次安装完成需要重启终端使其生效)
conda activate env_name  		

# 退出环境
conda deactivate				

• 当前存在的conda虚拟环境

conda env list

• 删除虚拟环境

#删除指定环境
conda env remove -n env_name

#删除所有环境
conda remove -n env_name --all

• 重命名环境

# 将 py3 重命名为 torch
conda create -n torch --clone py3  	

源操作

• 更新源,并在用户目录下生成 .condarc文件

conda config --set show_channel_urls yes

• 查看当前下载源

conda config --show channels

• 添加镜像源

# url替换为源地址
conda config --add channels <url>

• 删除镜像源

#替换url
#删除单个源
conda config--remove channels <url>

#删除所有镜像源，恢复默认
conda config --remove-key channels

包/库操作

• 查找

#替换lib_name为目标库/包
conda search <lib_name>

• 安装

conda install <lib_name>

#示例
conda install torch=1.16

• 离线安装包

# path 替换为 `.tar.bz2`文件所在路径和文件名
conda install --use-local <path>

# 示例
conda install --use-local Z:\down_tmp\zip\win-64_pytorch-2.1.1-py3.8_cuda11.8_cudnn8_0.tar.bz2

• 查看已安装的库

# 查看 env_name下的库
conda list -n env_name  	

• 更新已安装的库

#单个更新
conda update <lib_name>

# 全部更新
conda update --all 

• 删除包/库

conda remove --name env_name <lib_name>

常用源

• 清华源

https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/
https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/

• 中国科学技术大学

https://mirrors.ustc.edu.cn/anaconda/pkgs/main/
https://mirrors.ustc.edu.cn/anaconda/pkgs/free/

• 上海交通大学源

https://mirrors.sjtug.sjtu.edu.cn/anaconda/pkgs/main/
https://mirrors.sjtug.sjtu.edu.cn/anaconda/pkgs/free/
https://mirrors.sjtug.sjtu.edu.cn/anaconda/cloud/conda-forge/

查看、编辑源文件

1. 终端输入下面的命令，在当前目录下生成一个.condarc的文件

conda config --set show_channel_urls yes

2. 编辑文件

源模版

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