📚 课程目录第1章 Conda简介与安装

一、Conda简介与安装

说实话，我第一次接触Conda的时候，还觉得它就是个普通的包管理器。直到在一个深度学习项目中，我折腾了三天才配好CUDA、cuDNN和PyTorch的组合，结果换台机器又全崩了。那时候我才意识到，环境管理这件事，真不是装个pip就能解决的。

简单来说，Conda是一个跨平台的包管理器和环境管理器。它能做的事情很直接：装软件包、管依赖、隔离环境。但关键在于——这三件事它做得特别稳。你想想看，在一个项目中用了Python 3.8，另一个项目需要Python 3.11，没有环境隔离的话，这根本没法共存。

1.1 Conda能帮你解决什么问题

我遇到过好多同行，最开始用pip裸装，结果项目一多，依赖冲突让人崩溃。Conda的核心价值其实就是三个字：可复现。你的环境长什么样，别人一拉就能重建一模一样的环境。

环境隔离：每个项目独立，互不干扰
跨平台支持：Windows、macOS、Linux，一套配置到处跑
二进制包管理：不用从源码编译，省时间也省心
依赖自动解决：Conda的求解器比pip强不少，遇到冲突会明确告诉你

⚠ 避坑提醒：我曾经在Windows上直接用pip装numpy，结果发现底层依赖MKL没装对，性能差了一倍多。换Conda装就没事，因为它自带优化的二进制包。

1.2 安装Conda——不同平台的操作指南

安装Conda其实不复杂，但平台不同，细节有点差异。我个人建议新手直接装Miniconda，没必要上来就把Anaconda全家桶拉下来，几百个包用不到几个，还占空间。

Windows平台

# 1. 下载Miniconda安装包
# 去 https://docs.conda.io/en/latest/miniconda.html
# 选 Windows 64-bit 版本

# 2. 双击安装，按提示走
# 注意：勾选 "Add Miniconda3 to my PATH environment variable"
# 再勾选 "Register Miniconda3 as my default Python"

# 3. 安装完成后，打开 Anaconda Prompt 或 PowerShell
conda --version

macOS平台

# 推荐用命令行安装（Intel和Apple Silicon版本不一样）
# Intel Mac
curl -O https://repo.anaconda.com/miniconda/Miniconda3-latest-MacOSX-x86_64.sh

# Apple Silicon (M1/M2/M3)
curl -O https://repo.anaconda.com/miniconda/Miniconda3-latest-MacOSX-arm64.sh

# 运行安装脚本
bash Miniconda3-latest-MacOSX-*.sh

# 按提示操作：阅读协议 -> yes，选择安装路径 -> 默认就好
# 安装完重启终端，或者执行：
source ~/.zshrc

Linux平台

# Ubuntu/Debian/CentOS 通用
wget https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh

# 运行安装
bash Miniconda3-latest-Linux-x86_64.sh

# 安装过程中会问你是否初始化conda，建议选 yes
# 然后重新加载配置
source ~/.bashrc

💡 个人经验：我习惯装完立刻跑一次 conda update conda，把Conda本身更新到最新。老版本Conda的依赖求解器确实慢，新版本快了不少。

1.3 验证安装与配置基础

装完之后得确认一下功能正常。别笑，我真见过有人装完了没验证，过了两天才发现PATH没配置对。

# 查看版本
conda --version

# 更新conda
conda update conda

# 查看帮助
conda --help

# 查看配置信息
conda info

conda info的输出很重要，它会告诉你当前环境路径、默认的Python版本、channel源等关键信息。我每次配新机器都会看一眼，确认一下。

1.4 Conda vs. pip vs. virtualenv——一个简单的对比

经常有人问我：有了pip和virtualenv，为什么还要用Conda？我通常用一个比喻来解释：pip是超市，virtualenv是给你一个空购物车，Conda是配好全套方案的便利盒。说白了，Conda能一次性解决非Python依赖的问题——比如HDF5、OpenSSL、CUDA这些。

特性	Conda	pip + virtualenv
语言范围	多语言（Python/R/C++等）	仅Python
依赖求解	SAT求解器，精确可靠	线性依赖，容易冲突
二进制包	预编译，无需编译器	部分需要编译
环境隔离	原生支持	通过virtualenv/venv
非Python包	支持（如HDF5、CUDA）	不支持

  重点：对于数据科学、深度学习、生物信息学这类涉及底层库的项目，Conda几乎是最优解。我自己团队现在所有项目都统一用Conda做环境管理，没有例外。

1.5 初始化与基础操作示例

安装完Conda之后，还有一个新手很容易忽略的步骤：初始化shell。这样conda命令才能在终端里直接生效。

# 初始化conda到你的shell（bash/zsh/fish都行）
conda init

# 如果你用的是zsh（macOS默认）
conda init zsh

# 重启shell后，你会看到前面多了个 (base)
# 这就表示conda环境已经激活了

# 测试一下
conda list

conda list会显示当前base环境中已经安装的所有包。如果你装的是Miniconda，列表会非常短——只有必要的几个核心包。这才是你想要的状态。干干净净。

我个人习惯，装完第一时间把默认的channel配置搞好。不改的话，下载速度在部分地区会比较慢。

# 添加国内镜像源，速度能快很多
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 --set show_channel_urls yes

⚠ 注意：channel的顺序会影响包下载的优先级。一般把速度快的放最前面。