Conda 环境的正确使用姿势

Conda 环境的正确使用姿势

---

在我之前的博文 一文了解 conda 与 Python 的关系 中，已经对 Conda 和 Python 的关系作了介绍。

本文主要提供一些使用 Conda 环境的建议。

---

1. 使用 Anaconda / Miniconda

我个人建议使用 Miniconda，Miniconda 只包含了基本的 Python 解释器和 Conda 环境，轻巧便捷，易于使用。

Anaconda 则在 Miniconda 的基础上，附带了众多 Python 包和附加工具。Anaconda 在科研界是备受欢迎的 Python 解决方案。

相关链接：

• Anaconda 官网
• Miniconda 首页

---

2. 使用 Conda env 隔离不同工程

养成良好习惯，Python 工程一定要隔离环境！

无论使用 Python 自带的 venv，还是使用 Conda env，隔离环境是十分必要的。

• Python venv 创建的虚拟环境，我们一般会手动指定其创建在对应工程内的 venv/ 中
• Conda create 创建的环境，会在 Conda 安装目录下进行集中管理

2.1 Conda 管理包

安装包：

conda install package_name

卸载包：

conda remove package_name

更新包：

conda update package_name

更新 Conda：

conda update conda

列出已安装包：

conda list

2.2 Conda 管理环境

创建 Conda 环境：

conda create -n $NAME_OF_ENV python=3.6

由于 Conda 管理不同版本的 Python，是把 Python 视为包进行管理的，所以这里指定 Python 版本，相当于指定了初始化 Conda 环境的包

查看 Conda 环境列表：

conda env list

激活 Conda 环境：

conda activate $ENV_NAME

退出当前环境：

conda deactivate

删除 Conda 环境：

conda env remove -n $ENV_NAME

2.3 实用官方文档

• CONDA User guide - Tasks: Managing packages
• CONDA User guide - Tasks: Managing environments
• CONDA Cmd reference - Conda general commands
• CONDA Cmd reference - Conda vs. pip vs. virtualenv commands

---

3. Conda 依赖包文件

导出当前已激活的环境配置：

conda env export > environment.yml

利用 environment.yml 创建环境：

conda env create -f environment.yml

安装 pip freeze 创建的 requirements.txt：

conda install --yes --file requirements.txt

3.1 关于 Conda 环境的可移植性

实际上，在 Conda 环境中，无论使用 conda env export 还是 pip freeze，得到的依赖列表都是不可轻易移植的。

Conda 安装包时，不仅会安装命令行指定的包，也会安装各种为了硬件加速、协同的依赖包（包括C++环境），这就导致了在 conda 环境中，靠自动生成的依赖文件并不可轻易移植环境。

这既是 Conda 的优势（解决了依赖问题，提升运行速度），也是 Conda 的劣势（由于依赖于平台的非 Python 包牺牲了部分移植性）。

参考链接：

stack overflow - How to share conda environments across platforms

---

4. Conda 清理

Conda 的各项冗余缓存内容可以通过下述指令清理：

conda clean <param>

具体清理内容可以通过 -h 参数进行查看。

---

5. 使用建议

5.1 不要混用 pip 和 conda

pip 和 conda 解决包间依赖问题以及包安装的方式差异很大，混用两者可能会导致各种问题。

建议：要么持续使用 pip（及 venv），要么持续使用 conda。

5.2 使用 venv 和 pip 创建开发（编程）环境

大部分（几乎全部）的 Python 包均有跨平台的特性，所以在编程时，使用 Python 自带的 venv 和 pip 可以较为轻松获取到工程所需的依赖包列表。

我的相关博客链接：

• Python3 使用 Virtual Env
• 使用 pip freeze 获取安装的 Python 包

5.3 使用 Conda 部署生产（运行）环境

Conda 安装 Python 包时，会附带安装各种用于硬件加速、协同的依赖包，在代码运行上更为快速、友好。使用开发时得到的 requirements.txt 创建 Conda 环境即可（见第三节）。