01 第一步 创建独立 conda 环境 详细说明

Posted on Edited on

下面把“第一步：创建独立 conda 环境”拆成最细颗粒度的 12 步，每一步都给出命令 + 解释 + 常见报错。照着复制即可一次性成功；哪怕从未装过 Anaconda 也能 10 分钟搞定。

前提检查（1 分钟）

Windows：开始菜单搜索 Anaconda Prompt (miniconda3)

如果返回空，先去官网装 miniconda（体积 100 M 以内，比 Anaconda 轻量）。
安装完关闭终端再重开，让 ~/.bashrc 或 ~/.zshrc 里的 PATH 生效。

1.更新 conda 自身

因为 Anaconda 在 2024 年末把 repo.anaconda.com 下的默认频道改成了“需先在线接受 ToS（Terms of Service）”模式。

只要一次性接受即可，后面就不会再弹：

一次性接受 ToS（30 秒）

把官方提示的三条命令一次性跑完即可，每条都要完整复制：

1
2
3
conda tos accept --override-channels --channel https://repo.anaconda.com/pkgs/main
conda tos accept --override-channels --channel https://repo.anaconda.com/pkgs/r
conda tos accept --override-channels --channel https://repo.anaconda.com/pkgs/msys2

Windows 在 Anaconda Prompt 里执行；macOS/Linux 在终端执行。

执行后会出现 “Terms of Service accepted …” 字样，表示成功。

1
conda update -n base -c defaults conda -y

不更新可能遇到 “Solving environment: failed with initial frozen solve”。

2. 创建干净环境（30 秒）

1
conda create -n ml python=3.11 -y
  • 环境名 ml 可任意换；Python 3.11 是目前（2026-01）与 torch 2.x、scikit-learn 1.5 最稳组合。
  • 不要加 anaconda 元包，否则一次 2 G；我们只装“最小 Python”。

3. 激活环境（Windows/macOS/Linux 通用）

1
conda activate ml

激活后提示符最左边出现 (ml)，表示后续 pip/conda 都装在该环境，不会污染系统。

4.配置国内镜像（2 分钟，一次配置永久生效）

1
2
3
4
5
6
7
# conda 源
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

# PyPI 源
pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple

公司内网可用 –trusted-host 或自建 Artifactory；教育网用户可把 tuna 换成 ustc。

装深度学习核心包（CPU 版，1 分钟）

1
pip install torch torchvision torchaudio
  • 后续有更新 再 pip install –upgrade torch torchvision torchaudio

6. 装科学计算与 Jupyter（1 分钟）

1
pip install numpy pandas scikit-learn matplotlib seaborn jupyter jupyterlab
  • 全部用 pip 安装，版本比 conda-forge 新，且与 torch 依赖冲突最少。
  • 如果公司要求 conda 审计，可改 conda install -c conda-forge …，但解决时间可能 3-5 分钟。

7. 装开发辅助工具（30 秒）

1
pip install black nbstripout torchinfo ipykernel

black：保存时自动格式化 Python 代码。
nbstripout：提交前自动清除 notebook 输出，避免 Git 冲突。
ipykernel：让 ml 环境出现在 Jupyter 内核列表。

8. 把环境注册成 Jupyter 内核（30 秒）

1
python -m ipykernel install --user --name ml --display-name "Python (ml)"

以后无论系统默认 Python 是什么，Jupyter 里都能选 Python (ml) 内核，保证包隔离。

9. 生成 requirements.txt 锁版本（30 秒）

Windows（PowerShell / Anaconda Prompt）

1
pip freeze > requirements.txt

手动删除全部 +cpu，否则下次装错版本。
一行命令就能替换掉，在 (ml) 环境里执行：

10. 测试一键重装（验证可复现）

另开一个终端：

1
2
3
4
5
conda env remove -n ml       # 删掉刚建的环境
conda create -n ml python=3.11 -y
conda activate ml
pip install -r requirements.txt
python -c "import torch, sklearn, pandas, jupyterlab; print('OK')"

能打印 OK 说明锁文件有效，团队其他成员 git clone 后 2 分钟即可复现。

11. 可选：把环境写进 .yml（团队共享更清爽）

1
conda env export --no-builds | Select-String -Pattern '^prefix:' -NotMatch | Set-Content environment.yml

别人只需：

1
2
3
4
# 执行 environment.yml 前需要把 environment.yml 里的 name: base 重命名
# base 是 conda 的保留环境名，不允许覆盖。可以改成ml2或者其他
# 还有把+cpu给去掉
conda env create -f environment.yml

pip 包也会记录在 environment.yml 的 pip: 字段，跨平台更稳。