Anaconda这套东西我前前后后折腾了快五年。从最早在Windows上装个跟头到后来给Linux服务器配无图形界面环境再到帮同事处理各种诡异的404报错踩过的坑少说也有十几个。这篇文章我打算把它写成一份长期维护的攻略凡是安装、换源、建环境、配IDE这些高频操作我都会逐步拆开讲并把我实操中碰到的坑和原因一起写出来。不管你是刚接触Python的小白还是已经开始跑深度学习项目的同学照着这份攻略走能少走很多弯路。首先要说清楚一件事Anaconda不是一个普通的Python解释器而是一整套数据科学和机器学习的环境管理工具。它自带conda这个包管理器专门用来解决Python生态里最讓人头疼的依赖冲突和版本隔离问题。换句话说它帮你把“Python解释器、第三方库、虚拟环境”打包成了统一的管控方案你只需要通过conda命令就能快速创建多个互不干扰的独立环境。一个环境用来跑PyTorch一个环境用来跑TensorFlow一个环境留着日常写脚本随便切换互不污染。这篇攻略适合所有用Python工作的人尤其是做数据分析、深度学习、科学计算这类的同学。文章内容会持续补充我争取把社区里最常见的Anaconda相关疑问都覆盖到。1. 先弄明白Anaconda到底解决了什么问题1.1 Python环境混乱的根源很多人第一次被Python环境折磨都是因为直接用了系统自带的Python然后pip install了一堆包。今天TensorFlow要这个版本的numpy明天某个项目又要求另一个版本的pandas一装就把系统环境搞得乌烟瘴气。到后面连自己都记不清哪些包是为哪个项目装的生怕一升级又把另一个项目搞挂。这个问题的根源在于Python的包管理默认是全局安装的pip把包装到site-packages目录下之后所有项目共用同一套依赖。一旦两个项目对某个第三方库的版本要求冲突就必然要有一方妥协。更麻烦的是Python解释器版本本身也可能冲突——一个项目要在Python 3.8上跑另一个项目要3.10用系统全局环境根本没法同时满足。Anaconda的虚拟环境机制就是为解决这种困境设计的。每个虚拟环境相当于一个独立的小房间房间里有自己的Python解释器、自己的pip、自己的site-packages。你在A环境里把numpy升级到最新版B环境完全不受影响。这种隔离机制在深度学习场景下尤其重要因为PyTorch、TensorFlow这类框架对底层依赖版本极其敏感稍微错一个版本就会莫名报错。1.2 conda和pip到底有什么不同说到这儿就不得不提conda与pip的区别。pip是Python官方生态里的包管理器核心功能是下载安装Python库conda则是一个跨语言的包管理器它不仅管Python库还能管Python解释器本身甚至能管CUDA、cuDNN这类非Python的二进制依赖。我打个比方pip像一家只送中餐的外卖平台canda则是一家什么都能送的超市。你用pip装PyTorch时经常发现它把numpy也一起更新了有时候还会因为底层依赖版本不兼容而报错conda装PyTorch时会先检查环境里现有的所有依赖尽量找到一套兼容的组合冲突时它会主动提示你哪些包需要调整版本。这就是为什么深度学习圈子里很多人推荐用conda来管理环境——它能帮你处理大量二进制层面的依赖问题。当然conda也有它的短板。conda默认的官方源服务器在国外下载速度慢conda的包版本更新往往比pip慢半拍有些冷门包只发布在PyPI上conda里找不到。所以实际使用中很多人的习惯是“conda建环境、pip装项目依赖”混合使用。这种做法没有任何问题只要你别在同一环境里混装同一类包就行。1.3 Anaconda、Miniconda、conda三者怎么区分这三个名字经常让人迷糊。简单来说conda是那个包管理器本身Anaconda和Miniconda是两种发行版。Anaconda安装包非常大通常800MB以上因为它预装了300多个常用科学计算包包括numpy、pandas、matplotlib、jupyter等等开箱即用。Miniconda则只包含conda和Python最小运行环境安装包约80MB剩下的包全部按需自己装。我的建议是硬盘不紧张、刚入门、不想折腾的同学直接装Anaconda已经有一定经验、或者只想用其中几个包、或者服务器硬盘空间有限的选Miniconda。没有必要为了“完整”而装Anaconda预装的大量包里你可能一年都用不上几个反而拖慢了初始安装速度。后来网上好多人问“anaconda替代方案”说白了就是Miniconda再加上自己手动安装需要的包效果完全一样还更清爽。对比项AnacondaMiniconda安装包大小约800MB约80MB预装包数量300基础最小集适合场景新手、一站式需求老手、轻量部署核心依赖conda Pythonconda Python2. 安装前最重要的决策版本和下载源2.1 版本怎么选下载哪一版最好先说结论官网下载页面默认提供的那个最新版本通常就是最合适的选择不一定非要追求最新。Anaconda的版本号和Python版本绑定比如Anaconda3-2024.10默认自带Python 3.12。你需要注意的是自己的项目到底需要哪个Python版本。如果你的项目还在用老代码先查清楚项目要求的Python版本再选安装包否则装完发现解释器版本不兼容又得重来。另外下载安装包时要注意操作系统架构。普通Windows电脑选x86_64版本Apple Silicon芯片的Mac选arm64版本Linux服务器要先确认是x86_64还是aarch64架构选错架构装到一半会直接报错。我在给一台国产化服务器装的时候就遇到过这种问题后面详细说。2.2 官方下载慢试试国内镜像源Anaconda的安装包存放地址在repo.anaconda.com国内直接下载经常只有几十KB/s等半小时都下不完。这里我推荐两个国内镜像站清华TUNA镜像和阿里云镜像。清华镜像的Anaconda安装包归档地址是mirrors.tuna.tsinghua.edu.cn/anaconda/archive/阿里云的是mirrors.aliyun.com/anaconda/archive/。两个站都提供了所有历史版本的安装包直接按需下载。下载时留意文件名里的版本号以及“Anaconda3-xxx-Windows-x86_64.exe”、“Anaconda3-xxx-Linux-x86_64.sh”这类格式明确区分了操作系统和架构。我实际测下来清华源在晚高峰时偶尔会慢阿里云相对稳定。如果两个镜像都慢可以考虑换个时段下载或者直接用Miniconda——Miniconda安装包小下载速度快后面自己建环境装包也灵活。2.3 安装前的准备工作和系统要求安装Anaconda前有几件事值得提前确认。第一磁盘空间至少预留5GB以上虽然安装包只有800MB但解压安装后实际占用会超过2.5GB后续创建多个虚拟环境时还会继续增长。第二Windows上安装前最好先关闭杀毒软件实时防护尤其360这类容易误报的软件我见过不止一次安装过程中文件被杀软拦截导致装完缺少组件的案例。第三检查系统里是否已经装了Python如果已经装了建议记下原来的Python版本和PATH配置避免后续混淆。还有个容易忽略的点如果你之前装过Anaconda但卸载不干净残留的环境变量和配置目录会导致新版本安装后行为异常。安装前最好先把旧的Anaconda彻底卸干净具体卸载方法我在第6章会详细说。3. 多平台安装实操记录3.1 Windows安装详细步骤Windows上的安装图形界面很友好。双击下载好的exe安装包一路Next到选择安装路径的页面。这里有两个关键选项决定你是否会把环境变量搞乱。第一个是“Install for: Just Me”还是“All Users”。强烈建议选Just Me因为All Users模式需要管理员权限后续在某些目录下创建环境时会遇到权限不足的问题。第二个是Advanced Options里那两个复选框把Anaconda加入PATH环境变量以及注册为默认Python。网上争论很多我的建议是如果这台电脑只是为了用Anaconda可以勾选“Add Anaconda to my PATH environment variable”如果电脑上还有其他需要调用系统Python的程序就别勾选全程用Anaconda Prompt操作以免环境变量冲突。安装完成后开始菜单里会出现Anaconda Prompt和Anaconda Navigator。在Anaconda Prompt里输入conda --version能正常输出版本号就说明安装成功。顺便说一下怎么在Prompt里查看Python版本输入python --version即可。如果出现“conda不是内部或外部命令”说明你选择了不加入PATH或者安装出了异常直接打开Anaconda Prompt再试不要关掉Prompt去cmd里碰运气。3.2 Linux安装与环境变量配置Linux命令行安装Anaconda的流程相对简单。把下载好的.sh文件放到用户目录下先给执行权限再运行安装脚本chmod x Anaconda3-2024.10-Linux-x86_64.sh ./Anaconda3-2024.10-Linux-x86_64.sh脚本会问你是否接受许可协议输入yes后会让你确认安装路径默认是/home/用户名/anaconda3。最后会问“Do you wish the installer to initialize Anaconda3 in your /home/用户名/.bashrc”这里务必选yes否则安装完conda命令根本找不到。装完后重开一个终端conda命令才会生效因为环境变量要重新加载。如果重开后依然提示conda找不到source一下配置文件手动加载source ~/.bashrc然后执行conda init这个命令会自动帮你把conda相关的初始化脚本写入shell配置。这个方法适用于bash、zsh等主流shell。在国内服务器上安装时我还会额外做一步配置多用户共享Anaconda。把anaconda3放到/opt/anaconda3然后给普通用户添加读执行权限每个用户在自己的shell里source /opt/anaconda3/etc/profile.d/conda.sh即可。这样一台服务器上的同学都能用同一套conda各建各的虚拟环境互不影响。3.3 麒麟V10和统信系统安装的特殊处理如果你要在麒麟V10或统信UOS这类国产化系统上安装Anaconda前面说的Linux通用安装方法大体适用但有几个额外注意点。首先是架构确认。这类国产系统常见的有x86_64和aarch64两种架构尤其在做信创适配的机器上ARM平台的占比很高。下载前务必用uname -m确认架构如果输出aarch64就必须下载Anaconda3-xxx-Linux-aarch64.sh不能用x86_64版本硬撑。其次是shell环境的差异。部分国产系统默认使用bash但在某些定制版本里可能是其他shell安装完成后如果conda init失败检查一下当前shell类型然后手动往对应的rc文件里追加环境变量。实际操作时我碰到过一种情况安装脚本正常结束但终端重启后conda还是提示找不到命令。排查下来是安装时在非交互式终端执行.bashrc里没有正确写入conda的初始化代码。后来手动在.bashrc里加了下面几行才解决export PATH/opt/anaconda3/bin:$PATH其实就是最朴素的PATH配置加了之后conda就能正常使用了。如果你想长期维护还可以用conda config --set auto_activate_base false关掉默认激活base环境避免每次打开终端都进入base环境减少不必要的等待。3.4 macOS安装说明macOS的安装包分Intel和Apple Silicon两个版本M1/M2/M3芯片的机器务必下载arm64版Intel芯片的下载x86_64版。下载好pkg安装包后直接双击安装图形向导很友好。也可以选择命令行安装.sh版本方式和Linux一致。macOS上装完后首次打开终端可能会提示conda命令找不到这是正常的。终端重开一次或者执行source ~/.zshrc加载配置即可。macOS新增的隐私保护机制可能会弹窗询问是否允许Anaconda访问文件或网络全部允许就行否则conda下载包时会卡住。4. 换源与镜像配置解决下载慢和404报错4.1 为什么必须换源Anaconda默认的conda源指向repo.anaconda.com服务器在国外。你创建环境时conda需要下载Python解释器、pip工具以及一系列基础包如果直接走官方源下载速度可以慢到让你怀疑人生。我在国内网络环境下实测不换源时创建一个最简单的环境可能要十几分钟换源后几秒钟搞定。所以安装完Anaconda后的第一件事就是配置国内镜像源。这里要说明一下换源是修改conda的channel配置让它从国内镜像站拉取包这完全是常规操作和任何特殊网络手段无关纯粹是为了下载速度。4.2 清华源和阿里源的具体配置方法以清华源为例。terminal里执行下面两条命令即可将conda的默认channel切换到清华镜像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这三条命令做完在你的用户目录下会生成一个.condarc文件里面保存了conda的配置文件。想用阿里源的同学把URL替换成mirrors.aliyun.com/anaconda/pkgs/main/和mirrors.aliyun.com/anaconda/pkgs/free/即可。配置完成后先执行conda clean -i清理一下索引缓存再conda update --all测试能否正常拉取。如果能顺利走镜像源更新说明配置成功。这里有个很关键的细节.condarc文件里channel顺序决定了conda拉包的优先级。添加channel时后添加的排在前面。如果你安装了多个镜像源建议只保留一个主用源避免conda来回跳转导致解析缓慢甚至出错。我自己的配置里就只保留了清华源的main和free两个channel。4.3 unavailableinvalidchannel 404报错的原因与修复很多人换源后会遇到一个经典报错格式大概是unavailableinvalidchannel: http 404 not found for channel anaconda/pkgs/free。这个报错的含义是conda去请求某个channel地址结果服务器返回404也就是说这个目录根本不存在。为什么会出现这种404原因有几种。最常见的是conda版本太老默认配置里带了pkgs/free、pkgs/msys、pkgs/r这些channel。随着Anaconda官方调整目录结构这些老的channel路径在镜像站上被合并或移除了比如有的镜像站只有main、conda-forge没有单独的free目录。还有一种是.condarc文件里写着多个channel其中某个路径写错了。排查思路如下conda config --show channels先看看你当前配置了哪些channel。如果看到pkgs/free或pkgs/msys这类路径的channel在报404直接用conda config --remove channels把对应channel移除或者用conda config --remove-key channels清空所有channel配置然后重新添加上正确的镜像地址。同时把conda升级到最新版很多老版本对channel路径的处理方式不兼容新版仓库结构conda update conda另外记得清理缓存有时候旧的索引缓存里记录着不存在的channel地址即使你改了配置它还会拿着旧的path去请求conda clean -i我遇到的大部分404问题通过“清理channel配置 升级conda 清理索引缓存”三步就能解决。还有个别情况是.condarc文件本身格式出现了问题比如少了冒号、缩进不对这类问题直接删掉.condarc让它重新生成就行。4.4 删除镜像源恢复默认设置有同学换了源之后发现镜像站不稳定或者某个包在镜像上找不到想恢复官方源。操作也很简单conda config --remove-key channels这条命令会清空自定义的channel配置恢复到conda默认的官方源。如果你想手动指定只使用官方源也可以直接编辑.condarc文件把channels部分改成channels: - defaults这里要注意删除镜像源后之前用镜像安装过的包不会受任何影响本地已经安装好的环境不需要重新装。另外有些同学问能不能删除镜像源但保留conda-forge。conda-forge是社区维护的channel一些新版本的包会先在conda-forge发布。你可以用conda config --add channels conda-forge把conda-forge加进去它和镜像源不冲突可以共存。只是注意conda-forge的包优先级如果设置太高会把一些包默认解析到conda-forge版本有时候反而引入不必要的依赖变化所以一般把它放在默认源之后。5. 虚拟环境管理创造你自己的Python沙盒5.1 创建和管理虚拟环境的核心命令虚拟环境是Anaconda最核心的功能没有之一。所有在conda环境里的操作本质上都是在和虚拟环境打交道。下面这些命令我几乎每天都会用到整理出来供你直接抄# 创建环境 conda create -n env_name python3.9 # 指定Python版本并安装包 conda create -n env_name python3.9 numpy pandas # 激活环境 conda activate env_name # 退出环境 conda deactivate # 列出所有环境 conda env list # 删除环境 conda remove -n env_name --all # 克隆环境 conda create -n new_env --clone old_env # 导出环境配置 conda env export environment.yml # 从配置文件创建环境 conda env create -f environment.yml当你激活一个环境后命令行提示符前面会出现环境名比如(env_name) C:\Users\...这说明当前已经在环境内了。这时候执行python、pip都指向的是这个环境里的解释器和包管理器和全局环境完全隔离。这里有个新手经常犯的错误创建环境时忘了指定Python版本。conda create -n env_name不会自动帮你选一个最新的Python它会默认使用当前conda的base环境Python版本如果你希望环境里有独立的Python解释器创建时一定要写上python3.x。5.2 更改环境的默认存储位置默认情况下conda创建的虚拟环境存放在Anaconda安装目录下的envs文件夹里。如果你C盘空间紧张或者你希望把环境放到专门的磁盘上可以通过修改.condarc文件来更改存储位置。修改.condarc添加如下配置envs_dirs: - D:\anaconda_envs pkgs_dirs: - D:\anaconda_pkgs配置完成后再创建环境就会自动存到指定目录。有一点需要注意如果.condarc里配置了多个envs_dirs路径conda会优先使用第一个存在且有写入权限的目录。改完配置后用conda env list验证一下新的存储路径是否生效。另一种更灵活的方式是在创建环境时用-p参数指定路径conda create -p D:\anaconda_envs\pytorch_env python3.9这种方式创建的环境路径比较长激活时需要写完整路径但好处是可以把环境放在任何位置便于同步和管理。我一般在服务器上给每个项目建一个专属环境目录环境和项目代码放一起方便迁移和备份。5.3 实战配置一个PyTorch深度学习环境现在来一个实战演示。假设你要跑PyTorch训练项目先新建一个独立环境conda create -n pytorch_env python3.9 conda activate pytorch_env接下来安装PyTorch。PyTorch官网会有不同平台、不同CUDA版本对应的安装命令比如CUDA 12.1版本在Linux下的命令是pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu121这里有个经验之谈PyTorch不一定要用conda装用pip装往往更省心。因为PyTorch在conda源里的版本往往不是最新的而PyTorch对版本更新很敏感新功能只在最新版里才有。conda负责管理Python环境和基础依赖pip负责装PyTorch全家桶这种混合模式非常稳定。装完后验证一下python -c import torch; print(torch.__version__); print(torch.cuda.is_available())如果输出True说明CUDA可用环境配置成功。如果输出False大概率是CUDA版本和PyTorch要求的版本不匹配或者没有安装GPU版PyTorch安装了CPU版。检查一下nvidia-smi显示的CUDA版本再重新选择对应的PyTorch安装命令。还有一个常见的场景服务器上没有GPU。那就直接安装CPU版PyTorch命令里去掉cu121的后缀即可。CPU版的PyTorch源码包比GPU版小很多安装快适合本地调试和基础实验。5.4 在PyCharm和VSCode里配置Anaconda环境IDE里的环境配置是很多人卡壳的地方。PyCharm的配置方式如下打开Settings找到Project: xxx下的Python Interpreter点击右侧齿轮图标选择Add。在弹出的窗口里选“Conda Environment”再选“Existing environment”然后在Interpreter下拉框里找到你之前创建的环境对应的python.exe或python解释器路径。如果你创建的环境是pytorch_env那么解释器路径通常是Windows: C:\ProgramData\Anaconda3\envs\pytorch_env\python.exeLinux: /home/用户名/anaconda3/envs/pytorch_env/bin/pythonmacOS: /Users/用户名/anaconda3/envs/pytorch_env/bin/python选好解释器后PyCharm会自动识别环境里的所有已安装包然后你就能在右下角切换解释器了。如果PyCharm列表里找不到你创建的环境可以先点“Conda Environment”里的“Interpreter”下拉框选择“conda”PyCharm会自动读取conda的环境列表。VSCode的配置稍微简单一点。安装Python扩展后按CtrlShiftP打开命令面板输入“Python: Select Interpreter”选择你conda环境对应的解释器即可。VSCode还会自动识别当前目录下的.venv或conda环境并在切换文件时自动切换解释器体验很好。还有个实用技巧在终端里用conda activate env_name激活环境后再启动IDEIDE会自动拾取当前处于激活状态的环境省去手动选择的麻烦。我在Linux服务器上跑Jupyter Notebook时经常这样用激活后端再启动Jupyter所有kernel会绑定到这个环境。5.5 Jupyter Notebook与conda环境集成很多做数据分析的同学习惯用Jupyter Notebook。默认情况下Jupyter只认base环境里的包你新建的conda环境没法直接在Jupyter里使用。解决方法是给该环境安装ipykernelconda activate env_name conda install ipykernel python -m ipykernel install --user --nameenv_name --display-namePython (env_name)执行完这条命令后重启Jupyter Notebook新建Notebook时内核列表里就会出现刚才注册的“Python (env_name)”。这样你就能在Jupyter里灵活切换不同的conda环境每个环境里的包互不冲突。如果你用的是Anaconda自带的Jupyter打开Navigator里可以直接启动Notebook但Navigator那张卡片列表只显示base环境里的包不太直观。我自己更喜欢直接在Anaconda Prompt里输入jupyter notebook启动配合ipykernel注册机制环境切换更顺手。6. 常见问题排查与踩坑实录6.1 安装完只有Prompt没有Navigator有同学反馈Anaconda安装完成后开始菜单里只有一个Anaconda Prompt找不到Anaconda Navigator。这种情况通常是安装过程中断或者组件缺失导致的。解决方法是在Anaconda Prompt里直接执行anaconda-navigator如果提示找不到命令就先安装Nvaitorconda install anaconda-navigator装完后再次尝试启动。如果启动后窗口一直卡在加载页面可能是网络问题导致Navigator去获取远程配置超时断开网络后等几秒通常会进入界面。另外Windows上如果安装了多个版本Java环境也会干扰Navigator的启动这是比较冷门但确实存在的情况。还有个类似的问题Anaconda安装完但Anaconda Prompt点击后一闪而过。这通常是环境变量损坏或者用户目录下的.condarc配置文件格式错误导致的。先执行conda clean -i清理缓存再打开一个cmd窗口手动运行conda info看看有没有报错多半能找到线索。6.2 激活环境时的WARNING提示激活环境时命令行里可能会蹦出这样一段警告Warning: This Python interpreter is in a conda environment, but the environment has not been activated. Libraries may fail to load. To activate this environment please see https://conda.io/activation这个提示的意思是当前执行的Python解释器位于conda环境中但该环境没有被激活。你运行的是conda环境里的python但环境没有激活导致一些依赖库可能加载失败。我用vscode终端或者PyCharm的Terminal时偶尔会遇到这个问题根源是IDE的终端没有执行conda的初始化脚本。解决方法是在该终端里先执行一下conda自身的初始化conda init然后重启终端。如果还是在IDE里检查IDE的终端设置确保它启动时加载了shell的profile文件。Windows上如果用的是PowerShell还有可能是PowerShell执行策略禁止执行conda的activate脚本。以管理员身份打开PowerShell执行Set-ExecutionPolicy -ExecutionPolicy RemoteSigned再重启终端问题一般就解决了。6.3 正确卸载Anaconda不留残留卸载Anaconda看似简单其实有很多细节。Windows上最简单的方式是运行安装目录下的Uninstall-Anaconda3.exe它会弹出一个命令行界面按提示确认卸载。如果没有这个程序也可以从控制面板的“程序和功能”里卸载。卸载完成后再手动清理两个地方一是安装目录本体二是用户目录下的.conda和.condarc文件以及.anaconda相关缓存。如果之前配置过PATH环境变量手动把Anaconda相关的路径从系统环境变量中删掉。Linux和macOS上卸载就更直接了。Anaconda默认安装在用户目录下直接删除整个目录然后清理配置rm -rf ~/anaconda3 rm -rf ~/.conda rm -rf ~/.condarc但小心一点如果你安装过conda环境还有其他目录存放比如第5.2节改过envs_dirs还要把那些自定义目录一并删除否则你的磁盘空间并不会完整释放。删除前务必备份自己写的代码和重要环境导出文件这个操作不可逆。6.4 常见问题速查表我把平时遇到的高频问题整理成一个速查表方便你按图索骥问题现象可能原因解决办法conda不是内部或外部命令未加入PATH打开Anaconda Prompt操作或conda init下载包速度极慢未换源配置清华/阿里镜像源unavailableinvalidchannel 404channel路径不对或旧版配置残留conda config --remove-key channels重新配置激活环境时WARNINGshell未初始化condaconda init重启终端PyTorch装好但cuda不可用驱动或CUDA版本不匹配检查nvidia-smi重新安装匹配的CUDA版PyTorch创建环境后Python还是老版本创建时未指定Pythonconda create -n env python3.xJupyter里找不到新建环境未安装ipykernel按第5.5节注册环境安装完没有Navigator组件缺失conda install anaconda-navigatorVSCode切换解释器失败未安装Python扩展安装扩展选择conda环境解释器卸载后重装报错残留文件彻底清理安装目录和.conda配置这套速查表我会持续补充如果你遇到表里没有的问题欢迎在评论区留言我尽量把解决办法更新进来。最后再分享一个我自己的习惯每建一个新的conda环境第一件事就是执行conda env export environment.yml把环境的依赖清单保存下来。这个yml文件能让你在其他电脑上几秒钟恢复一个完全一样的环境省去了逐个安装包的烦恼。尤其是深度学习项目环境配置好一次就够了不用在队友的机器上重新踩一遍坑。
Anaconda这套东西我前前后后折腾了快五年。从最早在Windows上装个跟头到后来给Linux服务器配无图形界面环境再到帮同事处理各种诡异的404报错踩过的坑少说也有十几个。这篇文章我打算把它写成一份长期维护的攻略凡是安装、换源、建环境、配IDE这些高频操作我都会逐步拆开讲并把我实操中碰到的坑和原因一起写出来。不管你是刚接触Python的小白还是已经开始跑深度学习项目的同学照着这份攻略走能少走很多弯路。首先要说清楚一件事Anaconda不是一个普通的Python解释器而是一整套数据科学和机器学习的环境管理工具。它自带conda这个包管理器专门用来解决Python生态里最讓人头疼的依赖冲突和版本隔离问题。换句话说它帮你把“Python解释器、第三方库、虚拟环境”打包成了统一的管控方案你只需要通过conda命令就能快速创建多个互不干扰的独立环境。一个环境用来跑PyTorch一个环境用来跑TensorFlow一个环境留着日常写脚本随便切换互不污染。这篇攻略适合所有用Python工作的人尤其是做数据分析、深度学习、科学计算这类的同学。文章内容会持续补充我争取把社区里最常见的Anaconda相关疑问都覆盖到。1. 先弄明白Anaconda到底解决了什么问题1.1 Python环境混乱的根源很多人第一次被Python环境折磨都是因为直接用了系统自带的Python然后pip install了一堆包。今天TensorFlow要这个版本的numpy明天某个项目又要求另一个版本的pandas一装就把系统环境搞得乌烟瘴气。到后面连自己都记不清哪些包是为哪个项目装的生怕一升级又把另一个项目搞挂。这个问题的根源在于Python的包管理默认是全局安装的pip把包装到site-packages目录下之后所有项目共用同一套依赖。一旦两个项目对某个第三方库的版本要求冲突就必然要有一方妥协。更麻烦的是Python解释器版本本身也可能冲突——一个项目要在Python 3.8上跑另一个项目要3.10用系统全局环境根本没法同时满足。Anaconda的虚拟环境机制就是为解决这种困境设计的。每个虚拟环境相当于一个独立的小房间房间里有自己的Python解释器、自己的pip、自己的site-packages。你在A环境里把numpy升级到最新版B环境完全不受影响。这种隔离机制在深度学习场景下尤其重要因为PyTorch、TensorFlow这类框架对底层依赖版本极其敏感稍微错一个版本就会莫名报错。1.2 conda和pip到底有什么不同说到这儿就不得不提conda与pip的区别。pip是Python官方生态里的包管理器核心功能是下载安装Python库conda则是一个跨语言的包管理器它不仅管Python库还能管Python解释器本身甚至能管CUDA、cuDNN这类非Python的二进制依赖。我打个比方pip像一家只送中餐的外卖平台canda则是一家什么都能送的超市。你用pip装PyTorch时经常发现它把numpy也一起更新了有时候还会因为底层依赖版本不兼容而报错conda装PyTorch时会先检查环境里现有的所有依赖尽量找到一套兼容的组合冲突时它会主动提示你哪些包需要调整版本。这就是为什么深度学习圈子里很多人推荐用conda来管理环境——它能帮你处理大量二进制层面的依赖问题。当然conda也有它的短板。conda默认的官方源服务器在国外下载速度慢conda的包版本更新往往比pip慢半拍有些冷门包只发布在PyPI上conda里找不到。所以实际使用中很多人的习惯是“conda建环境、pip装项目依赖”混合使用。这种做法没有任何问题只要你别在同一环境里混装同一类包就行。1.3 Anaconda、Miniconda、conda三者怎么区分这三个名字经常让人迷糊。简单来说conda是那个包管理器本身Anaconda和Miniconda是两种发行版。Anaconda安装包非常大通常800MB以上因为它预装了300多个常用科学计算包包括numpy、pandas、matplotlib、jupyter等等开箱即用。Miniconda则只包含conda和Python最小运行环境安装包约80MB剩下的包全部按需自己装。我的建议是硬盘不紧张、刚入门、不想折腾的同学直接装Anaconda已经有一定经验、或者只想用其中几个包、或者服务器硬盘空间有限的选Miniconda。没有必要为了“完整”而装Anaconda预装的大量包里你可能一年都用不上几个反而拖慢了初始安装速度。后来网上好多人问“anaconda替代方案”说白了就是Miniconda再加上自己手动安装需要的包效果完全一样还更清爽。对比项AnacondaMiniconda安装包大小约800MB约80MB预装包数量300基础最小集适合场景新手、一站式需求老手、轻量部署核心依赖conda Pythonconda Python2. 安装前最重要的决策版本和下载源2.1 版本怎么选下载哪一版最好先说结论官网下载页面默认提供的那个最新版本通常就是最合适的选择不一定非要追求最新。Anaconda的版本号和Python版本绑定比如Anaconda3-2024.10默认自带Python 3.12。你需要注意的是自己的项目到底需要哪个Python版本。如果你的项目还在用老代码先查清楚项目要求的Python版本再选安装包否则装完发现解释器版本不兼容又得重来。另外下载安装包时要注意操作系统架构。普通Windows电脑选x86_64版本Apple Silicon芯片的Mac选arm64版本Linux服务器要先确认是x86_64还是aarch64架构选错架构装到一半会直接报错。我在给一台国产化服务器装的时候就遇到过这种问题后面详细说。2.2 官方下载慢试试国内镜像源Anaconda的安装包存放地址在repo.anaconda.com国内直接下载经常只有几十KB/s等半小时都下不完。这里我推荐两个国内镜像站清华TUNA镜像和阿里云镜像。清华镜像的Anaconda安装包归档地址是mirrors.tuna.tsinghua.edu.cn/anaconda/archive/阿里云的是mirrors.aliyun.com/anaconda/archive/。两个站都提供了所有历史版本的安装包直接按需下载。下载时留意文件名里的版本号以及“Anaconda3-xxx-Windows-x86_64.exe”、“Anaconda3-xxx-Linux-x86_64.sh”这类格式明确区分了操作系统和架构。我实际测下来清华源在晚高峰时偶尔会慢阿里云相对稳定。如果两个镜像都慢可以考虑换个时段下载或者直接用Miniconda——Miniconda安装包小下载速度快后面自己建环境装包也灵活。2.3 安装前的准备工作和系统要求安装Anaconda前有几件事值得提前确认。第一磁盘空间至少预留5GB以上虽然安装包只有800MB但解压安装后实际占用会超过2.5GB后续创建多个虚拟环境时还会继续增长。第二Windows上安装前最好先关闭杀毒软件实时防护尤其360这类容易误报的软件我见过不止一次安装过程中文件被杀软拦截导致装完缺少组件的案例。第三检查系统里是否已经装了Python如果已经装了建议记下原来的Python版本和PATH配置避免后续混淆。还有个容易忽略的点如果你之前装过Anaconda但卸载不干净残留的环境变量和配置目录会导致新版本安装后行为异常。安装前最好先把旧的Anaconda彻底卸干净具体卸载方法我在第6章会详细说。3. 多平台安装实操记录3.1 Windows安装详细步骤Windows上的安装图形界面很友好。双击下载好的exe安装包一路Next到选择安装路径的页面。这里有两个关键选项决定你是否会把环境变量搞乱。第一个是“Install for: Just Me”还是“All Users”。强烈建议选Just Me因为All Users模式需要管理员权限后续在某些目录下创建环境时会遇到权限不足的问题。第二个是Advanced Options里那两个复选框把Anaconda加入PATH环境变量以及注册为默认Python。网上争论很多我的建议是如果这台电脑只是为了用Anaconda可以勾选“Add Anaconda to my PATH environment variable”如果电脑上还有其他需要调用系统Python的程序就别勾选全程用Anaconda Prompt操作以免环境变量冲突。安装完成后开始菜单里会出现Anaconda Prompt和Anaconda Navigator。在Anaconda Prompt里输入conda --version能正常输出版本号就说明安装成功。顺便说一下怎么在Prompt里查看Python版本输入python --version即可。如果出现“conda不是内部或外部命令”说明你选择了不加入PATH或者安装出了异常直接打开Anaconda Prompt再试不要关掉Prompt去cmd里碰运气。3.2 Linux安装与环境变量配置Linux命令行安装Anaconda的流程相对简单。把下载好的.sh文件放到用户目录下先给执行权限再运行安装脚本chmod x Anaconda3-2024.10-Linux-x86_64.sh ./Anaconda3-2024.10-Linux-x86_64.sh脚本会问你是否接受许可协议输入yes后会让你确认安装路径默认是/home/用户名/anaconda3。最后会问“Do you wish the installer to initialize Anaconda3 in your /home/用户名/.bashrc”这里务必选yes否则安装完conda命令根本找不到。装完后重开一个终端conda命令才会生效因为环境变量要重新加载。如果重开后依然提示conda找不到source一下配置文件手动加载source ~/.bashrc然后执行conda init这个命令会自动帮你把conda相关的初始化脚本写入shell配置。这个方法适用于bash、zsh等主流shell。在国内服务器上安装时我还会额外做一步配置多用户共享Anaconda。把anaconda3放到/opt/anaconda3然后给普通用户添加读执行权限每个用户在自己的shell里source /opt/anaconda3/etc/profile.d/conda.sh即可。这样一台服务器上的同学都能用同一套conda各建各的虚拟环境互不影响。3.3 麒麟V10和统信系统安装的特殊处理如果你要在麒麟V10或统信UOS这类国产化系统上安装Anaconda前面说的Linux通用安装方法大体适用但有几个额外注意点。首先是架构确认。这类国产系统常见的有x86_64和aarch64两种架构尤其在做信创适配的机器上ARM平台的占比很高。下载前务必用uname -m确认架构如果输出aarch64就必须下载Anaconda3-xxx-Linux-aarch64.sh不能用x86_64版本硬撑。其次是shell环境的差异。部分国产系统默认使用bash但在某些定制版本里可能是其他shell安装完成后如果conda init失败检查一下当前shell类型然后手动往对应的rc文件里追加环境变量。实际操作时我碰到过一种情况安装脚本正常结束但终端重启后conda还是提示找不到命令。排查下来是安装时在非交互式终端执行.bashrc里没有正确写入conda的初始化代码。后来手动在.bashrc里加了下面几行才解决export PATH/opt/anaconda3/bin:$PATH其实就是最朴素的PATH配置加了之后conda就能正常使用了。如果你想长期维护还可以用conda config --set auto_activate_base false关掉默认激活base环境避免每次打开终端都进入base环境减少不必要的等待。3.4 macOS安装说明macOS的安装包分Intel和Apple Silicon两个版本M1/M2/M3芯片的机器务必下载arm64版Intel芯片的下载x86_64版。下载好pkg安装包后直接双击安装图形向导很友好。也可以选择命令行安装.sh版本方式和Linux一致。macOS上装完后首次打开终端可能会提示conda命令找不到这是正常的。终端重开一次或者执行source ~/.zshrc加载配置即可。macOS新增的隐私保护机制可能会弹窗询问是否允许Anaconda访问文件或网络全部允许就行否则conda下载包时会卡住。4. 换源与镜像配置解决下载慢和404报错4.1 为什么必须换源Anaconda默认的conda源指向repo.anaconda.com服务器在国外。你创建环境时conda需要下载Python解释器、pip工具以及一系列基础包如果直接走官方源下载速度可以慢到让你怀疑人生。我在国内网络环境下实测不换源时创建一个最简单的环境可能要十几分钟换源后几秒钟搞定。所以安装完Anaconda后的第一件事就是配置国内镜像源。这里要说明一下换源是修改conda的channel配置让它从国内镜像站拉取包这完全是常规操作和任何特殊网络手段无关纯粹是为了下载速度。4.2 清华源和阿里源的具体配置方法以清华源为例。terminal里执行下面两条命令即可将conda的默认channel切换到清华镜像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这三条命令做完在你的用户目录下会生成一个.condarc文件里面保存了conda的配置文件。想用阿里源的同学把URL替换成mirrors.aliyun.com/anaconda/pkgs/main/和mirrors.aliyun.com/anaconda/pkgs/free/即可。配置完成后先执行conda clean -i清理一下索引缓存再conda update --all测试能否正常拉取。如果能顺利走镜像源更新说明配置成功。这里有个很关键的细节.condarc文件里channel顺序决定了conda拉包的优先级。添加channel时后添加的排在前面。如果你安装了多个镜像源建议只保留一个主用源避免conda来回跳转导致解析缓慢甚至出错。我自己的配置里就只保留了清华源的main和free两个channel。4.3 unavailableinvalidchannel 404报错的原因与修复很多人换源后会遇到一个经典报错格式大概是unavailableinvalidchannel: http 404 not found for channel anaconda/pkgs/free。这个报错的含义是conda去请求某个channel地址结果服务器返回404也就是说这个目录根本不存在。为什么会出现这种404原因有几种。最常见的是conda版本太老默认配置里带了pkgs/free、pkgs/msys、pkgs/r这些channel。随着Anaconda官方调整目录结构这些老的channel路径在镜像站上被合并或移除了比如有的镜像站只有main、conda-forge没有单独的free目录。还有一种是.condarc文件里写着多个channel其中某个路径写错了。排查思路如下conda config --show channels先看看你当前配置了哪些channel。如果看到pkgs/free或pkgs/msys这类路径的channel在报404直接用conda config --remove channels把对应channel移除或者用conda config --remove-key channels清空所有channel配置然后重新添加上正确的镜像地址。同时把conda升级到最新版很多老版本对channel路径的处理方式不兼容新版仓库结构conda update conda另外记得清理缓存有时候旧的索引缓存里记录着不存在的channel地址即使你改了配置它还会拿着旧的path去请求conda clean -i我遇到的大部分404问题通过“清理channel配置 升级conda 清理索引缓存”三步就能解决。还有个别情况是.condarc文件本身格式出现了问题比如少了冒号、缩进不对这类问题直接删掉.condarc让它重新生成就行。4.4 删除镜像源恢复默认设置有同学换了源之后发现镜像站不稳定或者某个包在镜像上找不到想恢复官方源。操作也很简单conda config --remove-key channels这条命令会清空自定义的channel配置恢复到conda默认的官方源。如果你想手动指定只使用官方源也可以直接编辑.condarc文件把channels部分改成channels: - defaults这里要注意删除镜像源后之前用镜像安装过的包不会受任何影响本地已经安装好的环境不需要重新装。另外有些同学问能不能删除镜像源但保留conda-forge。conda-forge是社区维护的channel一些新版本的包会先在conda-forge发布。你可以用conda config --add channels conda-forge把conda-forge加进去它和镜像源不冲突可以共存。只是注意conda-forge的包优先级如果设置太高会把一些包默认解析到conda-forge版本有时候反而引入不必要的依赖变化所以一般把它放在默认源之后。5. 虚拟环境管理创造你自己的Python沙盒5.1 创建和管理虚拟环境的核心命令虚拟环境是Anaconda最核心的功能没有之一。所有在conda环境里的操作本质上都是在和虚拟环境打交道。下面这些命令我几乎每天都会用到整理出来供你直接抄# 创建环境 conda create -n env_name python3.9 # 指定Python版本并安装包 conda create -n env_name python3.9 numpy pandas # 激活环境 conda activate env_name # 退出环境 conda deactivate # 列出所有环境 conda env list # 删除环境 conda remove -n env_name --all # 克隆环境 conda create -n new_env --clone old_env # 导出环境配置 conda env export environment.yml # 从配置文件创建环境 conda env create -f environment.yml当你激活一个环境后命令行提示符前面会出现环境名比如(env_name) C:\Users\...这说明当前已经在环境内了。这时候执行python、pip都指向的是这个环境里的解释器和包管理器和全局环境完全隔离。这里有个新手经常犯的错误创建环境时忘了指定Python版本。conda create -n env_name不会自动帮你选一个最新的Python它会默认使用当前conda的base环境Python版本如果你希望环境里有独立的Python解释器创建时一定要写上python3.x。5.2 更改环境的默认存储位置默认情况下conda创建的虚拟环境存放在Anaconda安装目录下的envs文件夹里。如果你C盘空间紧张或者你希望把环境放到专门的磁盘上可以通过修改.condarc文件来更改存储位置。修改.condarc添加如下配置envs_dirs: - D:\anaconda_envs pkgs_dirs: - D:\anaconda_pkgs配置完成后再创建环境就会自动存到指定目录。有一点需要注意如果.condarc里配置了多个envs_dirs路径conda会优先使用第一个存在且有写入权限的目录。改完配置后用conda env list验证一下新的存储路径是否生效。另一种更灵活的方式是在创建环境时用-p参数指定路径conda create -p D:\anaconda_envs\pytorch_env python3.9这种方式创建的环境路径比较长激活时需要写完整路径但好处是可以把环境放在任何位置便于同步和管理。我一般在服务器上给每个项目建一个专属环境目录环境和项目代码放一起方便迁移和备份。5.3 实战配置一个PyTorch深度学习环境现在来一个实战演示。假设你要跑PyTorch训练项目先新建一个独立环境conda create -n pytorch_env python3.9 conda activate pytorch_env接下来安装PyTorch。PyTorch官网会有不同平台、不同CUDA版本对应的安装命令比如CUDA 12.1版本在Linux下的命令是pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu121这里有个经验之谈PyTorch不一定要用conda装用pip装往往更省心。因为PyTorch在conda源里的版本往往不是最新的而PyTorch对版本更新很敏感新功能只在最新版里才有。conda负责管理Python环境和基础依赖pip负责装PyTorch全家桶这种混合模式非常稳定。装完后验证一下python -c import torch; print(torch.__version__); print(torch.cuda.is_available())如果输出True说明CUDA可用环境配置成功。如果输出False大概率是CUDA版本和PyTorch要求的版本不匹配或者没有安装GPU版PyTorch安装了CPU版。检查一下nvidia-smi显示的CUDA版本再重新选择对应的PyTorch安装命令。还有一个常见的场景服务器上没有GPU。那就直接安装CPU版PyTorch命令里去掉cu121的后缀即可。CPU版的PyTorch源码包比GPU版小很多安装快适合本地调试和基础实验。5.4 在PyCharm和VSCode里配置Anaconda环境IDE里的环境配置是很多人卡壳的地方。PyCharm的配置方式如下打开Settings找到Project: xxx下的Python Interpreter点击右侧齿轮图标选择Add。在弹出的窗口里选“Conda Environment”再选“Existing environment”然后在Interpreter下拉框里找到你之前创建的环境对应的python.exe或python解释器路径。如果你创建的环境是pytorch_env那么解释器路径通常是Windows: C:\ProgramData\Anaconda3\envs\pytorch_env\python.exeLinux: /home/用户名/anaconda3/envs/pytorch_env/bin/pythonmacOS: /Users/用户名/anaconda3/envs/pytorch_env/bin/python选好解释器后PyCharm会自动识别环境里的所有已安装包然后你就能在右下角切换解释器了。如果PyCharm列表里找不到你创建的环境可以先点“Conda Environment”里的“Interpreter”下拉框选择“conda”PyCharm会自动读取conda的环境列表。VSCode的配置稍微简单一点。安装Python扩展后按CtrlShiftP打开命令面板输入“Python: Select Interpreter”选择你conda环境对应的解释器即可。VSCode还会自动识别当前目录下的.venv或conda环境并在切换文件时自动切换解释器体验很好。还有个实用技巧在终端里用conda activate env_name激活环境后再启动IDEIDE会自动拾取当前处于激活状态的环境省去手动选择的麻烦。我在Linux服务器上跑Jupyter Notebook时经常这样用激活后端再启动Jupyter所有kernel会绑定到这个环境。5.5 Jupyter Notebook与conda环境集成很多做数据分析的同学习惯用Jupyter Notebook。默认情况下Jupyter只认base环境里的包你新建的conda环境没法直接在Jupyter里使用。解决方法是给该环境安装ipykernelconda activate env_name conda install ipykernel python -m ipykernel install --user --nameenv_name --display-namePython (env_name)执行完这条命令后重启Jupyter Notebook新建Notebook时内核列表里就会出现刚才注册的“Python (env_name)”。这样你就能在Jupyter里灵活切换不同的conda环境每个环境里的包互不冲突。如果你用的是Anaconda自带的Jupyter打开Navigator里可以直接启动Notebook但Navigator那张卡片列表只显示base环境里的包不太直观。我自己更喜欢直接在Anaconda Prompt里输入jupyter notebook启动配合ipykernel注册机制环境切换更顺手。6. 常见问题排查与踩坑实录6.1 安装完只有Prompt没有Navigator有同学反馈Anaconda安装完成后开始菜单里只有一个Anaconda Prompt找不到Anaconda Navigator。这种情况通常是安装过程中断或者组件缺失导致的。解决方法是在Anaconda Prompt里直接执行anaconda-navigator如果提示找不到命令就先安装Nvaitorconda install anaconda-navigator装完后再次尝试启动。如果启动后窗口一直卡在加载页面可能是网络问题导致Navigator去获取远程配置超时断开网络后等几秒通常会进入界面。另外Windows上如果安装了多个版本Java环境也会干扰Navigator的启动这是比较冷门但确实存在的情况。还有个类似的问题Anaconda安装完但Anaconda Prompt点击后一闪而过。这通常是环境变量损坏或者用户目录下的.condarc配置文件格式错误导致的。先执行conda clean -i清理缓存再打开一个cmd窗口手动运行conda info看看有没有报错多半能找到线索。6.2 激活环境时的WARNING提示激活环境时命令行里可能会蹦出这样一段警告Warning: This Python interpreter is in a conda environment, but the environment has not been activated. Libraries may fail to load. To activate this environment please see https://conda.io/activation这个提示的意思是当前执行的Python解释器位于conda环境中但该环境没有被激活。你运行的是conda环境里的python但环境没有激活导致一些依赖库可能加载失败。我用vscode终端或者PyCharm的Terminal时偶尔会遇到这个问题根源是IDE的终端没有执行conda的初始化脚本。解决方法是在该终端里先执行一下conda自身的初始化conda init然后重启终端。如果还是在IDE里检查IDE的终端设置确保它启动时加载了shell的profile文件。Windows上如果用的是PowerShell还有可能是PowerShell执行策略禁止执行conda的activate脚本。以管理员身份打开PowerShell执行Set-ExecutionPolicy -ExecutionPolicy RemoteSigned再重启终端问题一般就解决了。6.3 正确卸载Anaconda不留残留卸载Anaconda看似简单其实有很多细节。Windows上最简单的方式是运行安装目录下的Uninstall-Anaconda3.exe它会弹出一个命令行界面按提示确认卸载。如果没有这个程序也可以从控制面板的“程序和功能”里卸载。卸载完成后再手动清理两个地方一是安装目录本体二是用户目录下的.conda和.condarc文件以及.anaconda相关缓存。如果之前配置过PATH环境变量手动把Anaconda相关的路径从系统环境变量中删掉。Linux和macOS上卸载就更直接了。Anaconda默认安装在用户目录下直接删除整个目录然后清理配置rm -rf ~/anaconda3 rm -rf ~/.conda rm -rf ~/.condarc但小心一点如果你安装过conda环境还有其他目录存放比如第5.2节改过envs_dirs还要把那些自定义目录一并删除否则你的磁盘空间并不会完整释放。删除前务必备份自己写的代码和重要环境导出文件这个操作不可逆。6.4 常见问题速查表我把平时遇到的高频问题整理成一个速查表方便你按图索骥问题现象可能原因解决办法conda不是内部或外部命令未加入PATH打开Anaconda Prompt操作或conda init下载包速度极慢未换源配置清华/阿里镜像源unavailableinvalidchannel 404channel路径不对或旧版配置残留conda config --remove-key channels重新配置激活环境时WARNINGshell未初始化condaconda init重启终端PyTorch装好但cuda不可用驱动或CUDA版本不匹配检查nvidia-smi重新安装匹配的CUDA版PyTorch创建环境后Python还是老版本创建时未指定Pythonconda create -n env python3.xJupyter里找不到新建环境未安装ipykernel按第5.5节注册环境安装完没有Navigator组件缺失conda install anaconda-navigatorVSCode切换解释器失败未安装Python扩展安装扩展选择conda环境解释器卸载后重装报错残留文件彻底清理安装目录和.conda配置这套速查表我会持续补充如果你遇到表里没有的问题欢迎在评论区留言我尽量把解决办法更新进来。最后再分享一个我自己的习惯每建一个新的conda环境第一件事就是执行conda env export environment.yml把环境的依赖清单保存下来。这个yml文件能让你在其他电脑上几秒钟恢复一个完全一样的环境省去了逐个安装包的烦恼。尤其是深度学习项目环境配置好一次就够了不用在队友的机器上重新踩一遍坑。
