Conda 是一个开源的包管理和环境管理工具，主要用于 Python 项目，但也可以管理其他语言的依赖。以下是 Conda 的 核心用法详解，涵盖安装、环境管理、包管理、配置优化等场景。

1. 安装 Conda

1.1 下载 Miniconda（轻量版推荐）

bash

# Linux/macOS
wget https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh
bash Miniconda3-latest-Linux-x86_64.sh

# Windows
下载 Miniconda3-latest-Windows-x86_64.exe 并安装

1.2 验证安装

bash

conda --version  # 输出版本号即成功

2. 环境管理

2.1 创建独立环境（避免包冲突）

bash

conda create --name myenv python=3.9  # 创建名为 myenv 的环境，指定 Python 版本

2.2 激活/退出环境

bash

conda activate myenv   # 激活环境
conda deactivate       # 退出当前环境

2.3 列出所有环境

bash

conda env list

2.4 删除环境

bash

conda env remove --name myenv

2.5 导出/导入环境配置（适合共享）

bash

conda env export > environment.yml  # 导出
conda env create -f environment.yml # 导入

3. 包管理

3.1 安装包

bash

conda install numpy pandas  # 安装多个包
conda install tensorflow-gpu=2.6.0  # 指定版本

3.2 从特定渠道安装（如 conda-forge）

bash

conda install -c conda-forge opencv

3.3 卸载包

bash

conda remove numpy

3.4 更新包

bash

conda update numpy  # 更新单个包
conda update --all  # 更新所有包

3.5 搜索包

bash

conda search "tensorflow*"

4. 通道（Channel）管理

4.1 添加常用通道（如 conda-forge）

bash

conda config --add channels conda-forge
conda config --set channel_priority strict  # 优先使用 conda-forge

4.2 查看当前通道

bash

conda config --show channels

4.3 移除通道

bash

conda config --remove channels conda-forge

5. 高级技巧

5.1 清理缓存（释放磁盘空间）

bash

conda clean --all

5.2 解决环境冲突

bash

conda install --freeze-installed package  # 强制解决依赖冲突

5.3 克隆环境（快速复制）

bash

conda create --name new_env --clone old_env

5.4 使用 Pip 混合安装

bash

conda install pip  # 在 Conda 环境中安装 pip
pip install package  # 用 pip 安装 Conda 没有的包

6. 常见问题

6.1 Conda 命令未找到？

原因：未正确初始化 Shell。
解决：
bash

source ~/.bashrc  # Linux/macOS
# 或重启终端

6.2 安装包时提示冲突？

解决：
bash

conda update --all  # 更新所有包
conda install package --freeze-installed  # 强制安装

6.3 如何加速 Conda？

配置国内镜像源（如清华源）：
bash

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

7. Conda vs Pip

功能 Conda Pip
管理范围 Python + 非 Python 包（如 CUDA） 仅 Python 包
环境隔离 原生支持 需配合 venv
依赖解决 更强大 较弱
适用场景 科学计算、数据科学 纯 Python 项目
总结

基础流程：创建环境 → 激活环境 → 安装包 → 运行项目。
推荐实践：
每个项目使用独立环境。
优先用 conda 安装包，缺失时再用 pip。
使用 conda-forge 获取最新包。
掌握这些操作后，Conda 能极大提升你的开发效率！