Skip to content

Conda

注意

推荐安装Miniconda而非Anaconda,Miniconda相对而言更为轻量。

1. 下载安装

打开清华镜像站,确定按照日期降序排列即可找到最新版本。

Miniconda下载

打开官网下载地址即可下载。

2. Conda环境创建与删除

bash conda create -n {环境名} python={Python版本号}

Python版本号可选[3.6-3.13],强烈推荐≥3.8且<=3.12!

bash conda remove -n {环境名} --all

3. 更换镜像源

Conda安装后会默认使用官方镜像源下载所需包,但由于官方镜像源部署在境外,访问速度较慢,因此推荐更换为清华镜像在内的国内镜像源提升包的下载速度。

注意

更换\添加镜像源仅适用于自己的电脑,服务器已配置

打开 Anaconda Prompt,执行以下命令。

bash 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/pkgs/free/ conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/ conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/ conda config --set show_channel_urls yes

bash pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple pip config set install.trusted-host pypi.tuna.tsinghua.edu.cn

bash pip config set global.index-url http://mirrors.aliyun.com/pypi/simple/ pip config set install.trusted-host mirrors.aliyun.com

4. Conda安装所需包以及升级Conda

安装所需包

conda install {包名}

建议

由于Conda安装会严格检查包之间的依赖和冲突关系,因此安装过程较为缓慢。而pip则会安装最新版的包,但为保证减少包版本冲突导致的Bug,强烈建议优先使用Conda来安装所需包,如果Conda找不到再使用 pip安装。

安装Pytorch

可点击这里复制最新版Pytorch的Conda命令行并执行

可点击这里复制指定版本Pytorch的Conda命令行并执行

安装Pytorch命令行内容解析

bash conda install pytorch==2.4.0 torchvision==0.19.0 torchaudio==2.4.0 pytorch-cuda=12.4 -c pytorch -c nvidia

-torchaudio==2.4.0用于安装Pytorch的音频模块,可删除该选项;

--c pytorch为优先使用Pytorch官方源,如果删除该选项则会从默认源(更换为清华镜像源后即为清华镜像源)下载,推荐删除该选项;

--c nvidia为优先使用Nvidia官方源,用于下载CUDA Runtime库相关内容,不建议该选项。

注意

通过pip使用清华源安装torch时,会默认安装cpu版本而非gpu版,建议优先使用Conda安装。

如果倾向于使用pip安装,建议前往torch官网复制pip安装命令进行安装(即临时使用torch官方源)。

升级Conda

conda update -n base conda

升级Base环境下的Python版本

bash conda update -n base python

bash conda search python # 列出所有Python版本 conda install -n base python=<版本号>

升级后如果执行conda命令出现Error while loading conda entry point: conda-libmamba-solver (libarchive.so.20: cannot open shared object file: No such file or directory),可以执行以下命令

bash conda update --all --solver=classic # 修复环境依赖,指定使用classic求解器而非libmamba

5. Conda环境导出与恢复

bash conda env export -n {环境名} -f {yaml文件名}.yml

注意

yaml文件默认导出位置为当前目录

bash conda env create -f {yaml文件路径}.yml