# Conda（Python 环境与包管理）

Conda 用来管理 Python 版本、虚拟环境和依赖包。做 AI、数据处理、OCR、深度学习项目时，建议每个项目单独创建一个环境，避免依赖互相污染。

## 安装

推荐安装 Miniconda，体积更小，后续按需安装依赖即可。

- Miniconda：https://docs.conda.io/projects/miniconda/en/latest/
- Anaconda：https://www.anaconda.com/download/success?reg=skipped

### Windows

下载 `.exe` 安装包后按步骤安装。安装完成后，如果命令行无法识别 `conda`，将下面目录加入系统环境变量：

```text
D:\devtool\anaconda3\condabin
```

检查是否安装成功：

```bash
conda --version
```

初始化 Shell：

```bash
conda init
```

:::tip
执行 `conda init` 后，关闭并重新打开终端再使用 `conda activate`。
:::

## 环境管理

### 创建环境

```bash
# 创建指定 Python 版本的环境
conda create -n myenv python=3.10

# 创建环境并同时安装常用包
conda create -n myenv python=3.10 numpy pandas
```

### 激活与退出

```bash
# 激活环境
conda activate myenv

# 退出当前环境
conda deactivate
```

### 查看环境

```bash
# 查看所有环境
conda env list

# 或者
conda info --envs
```

### 删除环境

```bash
conda remove -n myenv --all
```

:::warning
删除环境会移除该环境里的 Python 和所有依赖包，执行前确认环境名是否正确。
:::

## 包管理

```bash
# 安装包
conda install numpy

# 安装指定版本
conda install python=3.10
conda install numpy=1.26

# 从指定 channel 安装
conda install -c conda-forge opencv

# 更新包
conda update numpy

# 删除包
conda remove numpy

# 查看当前环境已安装的包
conda list
```

如果 Conda 找不到包，可以在当前环境中使用 `pip`：

```bash
pip install 包名
```

:::tip
同一个环境里可以混用 `conda` 和 `pip`，但建议优先用 `conda` 安装底层依赖较重的包，例如 `numpy`、`opencv`、`pytorch`。
:::

## 镜像源

网络较慢时可以配置清华镜像源。

### Conda 源

```bash
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 --set show_channel_urls yes
```

查看当前配置：

```bash
conda config --show channels
```

恢复默认源：

```bash
conda config --remove-key channels
```

### pip 源

Conda 环境里经常也会使用 `pip install`。`pip` 使用的是 PyPI 源，和上面的 Conda channel 不是同一套配置。

参考：清华大学开源软件镜像站 PyPI 帮助页：https://mirrors.tuna.tsinghua.edu.cn/help/pypi/

临时使用清华 PyPI 源安装某个包：

```bash
pip install -i https://mirrors.tuna.tsinghua.edu.cn/pypi/web/simple some-package
```

:::tip
地址末尾的 `simple` 不能省略；`pip` 要求使用 `https`。
:::

设置为默认 PyPI 源：

```bash
python -m pip install --upgrade pip
pip config set global.index-url https://mirrors.tuna.tsinghua.edu.cn/pypi/web/simple
```

如果默认源访问很慢，可以临时使用清华源升级 `pip`：

```bash
python -m pip install -i https://mirrors.tuna.tsinghua.edu.cn/pypi/web/simple --upgrade pip
```

查看当前 `pip` 配置：

```bash
pip config list
```

取消全局 PyPI 源配置：

```bash
pip config unset global.index-url
```

配置额外源：

```bash
pip config set global.extra-index-url "https://mirrors.tuna.tsinghua.edu.cn/pypi/web/simple"
```

## 环境导出与迁移

### 导出环境

```bash
conda env export > environment.yml
```

### 根据文件创建环境

```bash
conda env create -f environment.yml
```

### 更新已有环境

```bash
conda env update -f environment.yml --prune
```

### 导出精简依赖

只导出手动安装的依赖，适合项目记录：

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

## 清理缓存

```bash
# 清理安装包缓存
conda clean -p

# 清理 tar 包缓存
conda clean -t

# 清理所有可清理缓存
conda clean -a
```

## 常见问题

### conda activate 不生效

先初始化 Shell，再重启终端：

```bash
conda init
```

### 进入终端自动激活 base

如果不想每次打开终端都进入 `base` 环境：

```bash
conda config --set auto_activate_base false
```

恢复自动激活：

```bash
conda config --set auto_activate_base true
```

### 查看 Python 与 pip 来自哪个环境

```bash
where python
where pip
```

Linux / macOS：

```bash
which python
which pip
```

### 依赖冲突

优先新建干净环境，不要在旧环境里反复修：

```bash
conda create -n newenv python=3.10
conda activate newenv
```