智川云
智川云RIVERMIND

主题

Conda 环境管理 ​

Conda 用于创建独立的 Python 虚拟环境，智川云镜像已预装。

初始化配置 ​

首次使用

如果 conda 命令无法使用，请先执行初始化：

bash
conda init bash && source ~/.bashrc

环境管理 ​

查看环境 ​

bash
# 查看所有环境
conda env list

# 查看当前环境信息
conda info

创建环境 ​

Conda 不仅可以管理 Python 包，还可以创建不同 Python 版本的独立环境。

bash
# 创建指定 Python 版本的环境
conda create -n <环境名> python=<版本> -y
# 示例：conda create -n py38 python=3.8 -y
# 示例：conda create -n py310 python=3.10 -y
# 示例：conda create -n py311 python=3.11 -y

# 克隆已有环境
conda create -n <新环境名> --clone <已有环境名>
# 示例：conda create -n myenv_backup --clone myenv

Python 版本切换

通过创建不同 Python 版本的环境，可以轻松切换 Python 版本：

bash
# 切换到 Python 3.8 环境
conda activate py38

# 切换到 Python 3.10 环境
conda activate py310

切换环境 ​

bash
# 激活环境
conda activate <环境名>
# 示例：conda activate myenv

# 退出当前环境（返回 base）
conda deactivate

# 切换到其他环境（无需先 deactivate）
conda activate <另一个环境名>

注意

每次打开新终端默认进入 base 环境，需手动激活目标环境。

删除环境 ​

bash
# 删除指定环境
conda remove -n <环境名> --all -y
# 示例：conda remove -n myenv --all -y

包管理 ​

安装包 ​

bash
# 在当前环境安装
conda install <包名> -y
# 示例：conda install numpy pandas -y

# 安装指定版本
conda install <包名>=<版本> -y
# 示例：conda install pytorch=2.0 -y

# 从指定频道安装
conda install -c <频道> <包名> -y
# 示例：conda install -c conda-forge transformers -y

查看已安装包 ​

bash
conda list

卸载包 ​

bash
conda remove <包名> -y

深度学习框架版本管理 ​

安装 PyTorch ​

PyTorch 官方推荐使用 Conda 安装，可以自动处理 CUDA 依赖：

bash
# 安装最新版 PyTorch（CUDA 12.1）
conda install pytorch torchvision torchaudio pytorch-cuda=12.1 -c pytorch -c nvidia -y

# 安装指定版本 PyTorch
conda install pytorch=2.0 torchvision torchaudio pytorch-cuda=11.8 -c pytorch -c nvidia -y

# 安装 CPU 版本
conda install pytorch torchvision torchaudio cpuonly -c pytorch -y

切换 PyTorch 版本 ​

建议为不同版本的 PyTorch 创建独立环境：

bash
# 创建 PyTorch 2.0 环境
conda create -n torch20 python=3.10 -y
conda activate torch20
conda install pytorch=2.0 torchvision torchaudio pytorch-cuda=11.8 -c pytorch -c nvidia -y

# 创建 PyTorch 2.1 环境
conda create -n torch21 python=3.10 -y
conda activate torch21
conda install pytorch=2.1 torchvision torchaudio pytorch-cuda=12.1 -c pytorch -c nvidia -y

验证安装 ​

bash
python -c "import torch; print(f'PyTorch: {torch.__version__}, CUDA: {torch.cuda.is_available()}')"

其他深度学习框架 ​

bash
# TensorFlow
conda install tensorflow-gpu -y
# 或使用 pip
pip install tensorflow

# JAX
pip install jax jaxlib

# PaddlePaddle
pip install paddlepaddle-gpu

版本兼容性

不同版本的深度学习框架可能需要特定的 CUDA 版本。建议为每个项目创建独立环境，避免版本冲突。

在 JupyterLab 中使用 ​

创建环境后，需注册为 Jupyter Kernel 才能在 JupyterLab 中使用：

bash
# 激活目标环境
conda activate myenv

# 安装 ipykernel
conda install ipykernel -y

# 注册为 Jupyter Kernel
python -m ipykernel install --user --name=myenv --display-name="Python (myenv)"

刷新 JupyterLab 页面，在 Kernel 列表中选择新环境。

移除 Kernel：

bash
jupyter kernelspec uninstall myenv

安装到数据盘 ​

系统盘空间有限，建议将环境安装到数据盘：

bash
# 创建目录
mkdir -p /root/rivermind-data/conda/{pkgs,envs}

# 配置 Conda 路径
conda config --add pkgs_dirs /root/rivermind-data/conda/pkgs
conda config --add envs_dirs /root/rivermind-data/conda/envs

配置后新创建的环境将自动安装到数据盘。

环境导出与还原 ​

导出环境 ​

bash
# 导出为 YAML 文件
conda env export > environment.yml

# 仅导出手动安装的包（更简洁）
conda env export --from-history > environment.yml

还原环境 ​

bash
conda env create -f environment.yml

清理缓存 ​

bash
# 清理所有缓存（包、索引、临时文件）
conda clean -a -y

使用 Mamba 加速 ​

Mamba 是 Conda 的高性能替代品，解析依赖更快：

bash
# 安装 Mamba
conda install mamba -n base -c conda-forge -y

# 使用 Mamba 创建环境（用法与 conda 相同）
mamba create -n fastenv python=3.10 -y

# 使用 Mamba 安装包
mamba install pytorch -y

常用命令速查 ​

操作命令
查看所有环境conda env list
创建环境conda create -n <名称> python=<版本> -y
激活环境conda activate <名称>
退出环境conda deactivate
删除环境conda remove -n <名称> --all -y
安装包conda install <包名> -y
查看已安装包conda list
导出环境conda env export > environment.yml
清理缓存conda clean -a -y

常见问题 ​

激活失败 ​

执行初始化命令：

bash
conda init bash && source ~/.bashrc

版本冲突 ​

创建新的独立环境，或使用 Mamba 解析依赖。

找不到环境 ​

检查 envs_dirs 配置：

bash
conda config --show envs_dirs

磁盘空间不足 ​

  1. 清理缓存：conda clean -a -y
  2. 将环境安装到数据盘（见上文）

相关文档 ​

智算无疆 川流不息

Copyright © 2026 智川云