1. 环境管理

1
2
3
4
5
6
7
8
9
10
11
# 创建并激活环境
conda create -n py_stu python=3.9   # -n 后是环境名称
conda activate py_stu  # 激活py_stu这个环境
conda deactivate # 退回到base

# 删除环境
conda env remove -n py_stu

# 查看已有环境
conda info -e
conda env list

2. 环境信息

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
# 查看 conda 版本
conda --version

# 查看 Python 版本（当前环境）
python --version

# 查看 conda 配置信息
conda info

# 设置国内镜像源（加速下载，以清华源为例）
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/conda-forge/
#设置搜索时显示通道地址
conda config --set show_channel_urls yes

# 看到输出里有tsinghua字样就说明换源成功
conda config --show channels 

# 恢复默认源（删除自定义 channels）
conda config --remove-key channels

3. 包管理

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
# 包管理用pip和conda都可以，我一般更喜欢用pip

# 安装包（conda和pip都可以，有些pip没有的包可以使用conda来安装）
conda install numpy
pip install numpy
# 如果还是比较慢，可以在pip的包后面加上镜像源
pip install numpy -i https://pypi.doubanio.com/simple/

# 更新包
conda update numpy
pip install --upgrade numpy

# 卸载包
conda remove numpy
pip uninstall numpy

# 查看当前环境已安装的包
conda list
pip list

4. 清理缓存

1
2
# 清理 conda 缓存（已下载的包、索引等）
conda clean --all # 不会破坏任何已有环境，定期清理还算舒服

5. 重置环境

Conda 会记录每次变更的历史（revisions）可以滚回对应的版本。 如果某个环境安装的包比较混乱，出现了包管理损坏的问题。可以直接删除这个环境，再新建一个即可。

如果是base环境包有点混乱，或占用的内存太大，想把base环境或某个环境恢复到刚创建的干净状态。可以查看环境版本，并滚回对应的版本。

1
2
conda list --revisions # 查看当前 base 的 revision 历史
conda install --revision 0 -n base # 回滚到初始状态