返回首页纠正错误添加示例

conda

conda 是一个开源的软件包管理和环境管理工具，用于安装多个版本的软件包及其依赖关系，并在它们之间轻松切换。

补充说明

conda 是深度学习和科学计算中最常用的工具，支持在 Windows、macOS 和 Linux 系统上运行。它可以快速创建隔离的 Python 环境，解决不同项目间库版本冲突的问题。

常用命令

1. 环境管理 (Environment Management)

conda create: 创建一个新的 conda 环境。

conda create -n myenv python=3.9  # 创建名为 myenv 的 3.9 环境

conda activate: 激活指定的环境。
```
conda activate myenv
```
conda deactivate: 退出当前激活的环境。
```
conda deactivate
```
conda env: 管理环境，常用于从文件创建环境。
```
conda env create -f environment.yml
```
conda export: 导出当前环境的配置（包含所有包及版本）。
```
conda env export > environment.yml
```
conda rename: 重命名现有环境。
```
conda rename -n old_name new_name
```

conda remove: 删除一个环境或环境中的包。

conda remove -n myenv --all  # 删除整个环境

2. 包管理 (Package Management)

conda install: 在当前环境中安装软件包。

conda install numpy
conda install -c pytorch pytorch  # 从指定频道安装

conda update: 更新指定的软件包或 conda 本身。
```
conda update numpy
```
conda search: 搜索可用的软件包版本。
```
conda search tensorflow
```
conda list: 列出当前环境中已安装的所有包。
```
conda list
```

3. 系统检查与配置 (System & Config)

conda info: 显示当前 conda 的安装信息及环境变量。
```
conda info
```

conda config: 修改配置（如添加镜像源）。

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free

conda clean: 清理缓存，释放磁盘空间。
```
conda clean -a  # 清理所有缓存
```
conda doctor: 检测当前环境中的常见错误。
```
conda doctor
```
conda init: 初始化 shell 脚本，使 conda 命令在终端生效。
```
conda init bash
```

4. 高级与辅助命令

conda compare: 比较两个环境之间的差异。
```
conda compare myenv1 myenv2
```
conda run: 在指定环境中运行命令，无需手动激活。
```
conda run -n myenv python script.py
```
conda repoquery: 高级搜索工具，用于查看包的依赖关系（需安装 mamba 支持）。
conda package: 用于构建自定义 conda 包。
conda notices: 查看来自仓库或官方的重要通知。
conda commands: 列出所有可用的 conda 命令。

选项

# 通用/创建环境选项
-n, --name      # 指定环境的名称。例如：-n my_dl_env
-p, --prefix    # 指定环境安装的绝对路径（代替 -n）。
-y, --yes       # 自动确认所有提示（安装时不询问 yes/no）。
--clone         # 克隆一个现有的环境。例如：conda create -n new --clone old

# 安装/搜索选项
-c, --channel   # 指定安装包的频道/源。深度学习常用：-c pytorch 或 -c conda-forge
--override-channels # 仅搜索指定的频道，忽略配置文件中的频道。
--only-deps     # 仅安装依赖项，不安装包本身。

# 查看/列表选项
--envs          # 列出所有已知的环境（等同于 conda env list）。
--export        # 以导出格式打印环境中的包（用于 pip freeze 类似功能）。

# 清理选项
-a, --all       # 删除所有未使用的包和缓存索引（用于 conda clean）。
-i, --index-cache # 清除索引缓存。
-t, --tarballs  # 清除下载的压缩包。

💡 深度学习中 conda 命令速查

conda 命令 在深度学习工作流中主要用于三个阶段：创建隔离环境、安装计算框架、导出环境配置。

为了方便您直接使用，以下是几个针对 AI 开发中最常用 conda 命令示例：

1. 创建一个 Python 3.9 的 PyTorch 环境：

conda create -n torch_env python=3.9 -y

2. 激活环境：

conda activate torch_env

3. 安装 PyTorch (带 GPU 支持，需指定 pytorch 和 nvidia 频道)：

# 这是一个典型的安装命令，具体 CUDA 版本需参照官网
conda install pytorch torchvision torchaudio pytorch-cuda=11.8 -c pytorch -c nvidia

4. 导出当前环境以便在另一台服务器复现：

conda env export > environment.yaml

5. 彻底删除一个不再需要的环境：

conda remove -n torch_env --all

6. 清理下载缓存（释放磁盘空间）：

conda clean -a

建议

多环境隔离：开发深度学习项目建议一个项目一个环境，避免 PyTorch 或 TensorFlow 版本冲突。
镜像源设置：国内用户建议通过 conda config 设置清华或阿里镜像源，以提升下载速度。
显卡驱动：安装 pytorch-cuda 时，请务必先通过 nvidia-smi 确认支持的 CUDA 版本。

如果你需要查阅最权威的英文文档，可以访问以下地址：

官方文档: Conda Commands
官方备忘单 (PDF): Conda Cheatsheet

↑