第3章：创建和管理Conda环境
好，咱们进入实战环节。很多初学者把Conda环境当作一个「装包的地方」，其实不然。我自己的理解是——环境就是项目的隔离舱。你想想看，如果没有隔离，两个项目一个用PyTorch 1.12，另一个非要PyTorch 2.0，那不得天天打架？
3.1 创建环境——别再裸装了
创建一个环境其实很简单，但这里有个坑。很多人直接 conda create -n myenv，然后进去装包。这样做你会得到一个几乎全是默认版本的弱鸡环境。
我建议：创建环境时就指定Python版本和核心包。这是我在项目初期踩出来的经验。
标准创建命令
conda create -n qc_env python=3.9 numpy pandas scipy这条命令干了三件事：
- 建了个名为
qc_env的沙箱 - 安装Python 3.9（版本锁死，不会有意外升级）
- 顺带装上数据分析三大件
你可能会问，为什么不先创建再装？嗯，因为有时候网络波动会导致环境创建成功但包没装全，那之后的调试可就费劲了。
小技巧：指定版本号时养成好习惯，用 python=3.9.13 替代 python=3.9。微版本差异有时候也会导致行为不一致。
3.2 环境激活与退出——别搞混了
激活环境是个高频操作，但很多人搞不清楚当前到底在哪个环境里。
conda activate qc_env激活成功后，命令行最前面会出现 (qc_env) 字样。如果没出现，说明要么环境不存在，要么激活失败了。
退出环境用这个：
conda deactivate我遇到过最离谱的问题：有人同时激活了多个环境。其实Conda不支持嵌套激活，但你如果在脚本里反复激活而不deactivate，可能会出问题。怎么做？
- 每个脚本开头显式激活所需环境
- 脚本结束前执行
conda deactivate - 养成查看当前环境的习惯：
conda info --envs
3.3 管理软件包——精确操作
环境里装包，看起来就是 conda install xxx。但你得知道怎么查、怎么删、怎么更新。
| 操作 | 命令 | 备注 |
|---|---|---|
| 安装包 | conda install numpy=1.21 |
建议指定版本 |
| 查看已安装 | conda list |
最好用 > packages.txt 导出 |
| 更新包 | conda update numpy |
小心依赖断裂 |
| 删除包 | conda remove numpy |
如果有依赖，会一并移除 |
| 搜索包 | conda search numpy |
看有哪些版本可选 |
警告：conda install 不加版本号，Conda会装它认为「最新且兼容」的版本。这在生产环境里是隐患。我曾经就因为没锁版本，导致CI构建出来的环境和本地差了三个小版本。
3.4 环境克隆——复制一个一模一样的环境
做可重复性验证，经常需要「复刻」一个环境给同事或CI服务器。
最简单的办法是克隆：
conda create -n qc_env_copy --clone qc_env但这个命令只能在同一个机器上用。跨平台怎么办？
导出环境文件：
conda env export > environment.yml然后别人拿到这个文件后：
conda env create -f environment.yml嗯，这里要注意一个问题。conda env export 默认会包含你环境里的所有包，包括那些只在当前平台才能用的。这在跨平台时可能失效。
我的建议：用 conda env export --no-builds 导出，这样不会锁定构建版本号，兼容性更好。
3.5 环境移除与清理——别留垃圾
做完一个项目，环境留着不仅占用空间，还可能影响后续工作。
移除整个环境：
conda remove -n qc_env --all移除后最好清一下缓存：
conda clean --all
我之前有个项目做了三十多次迭代，每次新建环境，最后发现磁盘被吃掉了50多GB，全是缓存。
| 缓存类型 | 清理命令 |
|---|---|
| 所有缓存 | conda clean --all |
| 仅下载包缓存 | conda clean --packages |
| 仅索引缓存 | conda clean --index-cache |
核心要点：环境是廉价的，随时可重建。别舍不得删。但删之前一定要确保有 environment.yml 导出，否则你就是亲手断了可重复性。
3.6 环境管理的避坑指南
做Conda环境管理这么些年，我总结了一些常见坑：
- 不要修改base环境：base环境是用来跑Conda本身的核心工具的，往里装包容易搞坏。
- 版本锁定要彻底：不光锁Python，依赖树里的关键库也要锁。
- 谨慎使用
conda update --all：这个命令会尝试升级所有包，但经常导致依赖冲突，我就是受害者之一。 - 环境名要有意义：别用
test1、test2，至少带上项目名和Python版本，比如qc_ctrl_py39。
说到底，管理Conda环境的核心就四个字——隔离锁定。创建时隔离，使用后锁定。配合好版本文件和CI，你的实验结果就不会出现「我明明跑成功了，怎么到你那就报错」的尴尬局面。