Conda & Pip：Python 环境与包管理

1. Conda 常用命令：环境与全局管理

Conda 最核心的价值在于"隔离环境"，让你可以在同一台电脑上同时运行不同版本的 Python（比如一个环境用 Python 3.8，另一个用 Python 3.11），互不干扰。

虚拟环境管理 (核心)

功能说明	具体命令	备注
创建新环境	conda create -n env_name python=3.10	env_name 是你自定义的环境名。建议永远带上 python 版本号。
激活/进入环境	conda activate env_name	做任何安装操作前，必须先激活对应环境。
退出当前环境	conda deactivate	回到基础的 base 环境。
查看所有环境	conda env list	或者使用 conda info --envs，带 * 的是当前所在环境。
删除环境	conda remove -n env_name --all	删除不再需要的环境，释放硬盘空间。
克隆环境	conda create -n new_env --clone old_env	复制一个完全一样的环境，非常适合在折腾新代码前做备份。

Conda 包管理

功能说明	具体命令	备注
安装包	conda install numpy	默认从 conda 的官方源下载。
指定源安装	conda install -c conda-forge numpy	-c 代表 channel，conda-forge 是最常用的社区开源大仓库。
查看已安装的包	conda list	会列出当前环境下所有已安装的包及其版本。
卸载包	conda remove numpy	会自动处理并卸载依赖项。

快捷创建需要带GPU版本torch的环境：

1、第一次做标准基础环境 用pip安装适配当前显卡的torch

conda create -n torch-gpu-base python=3.10 pip -y
conda activate torch-gpu-base
pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu128

2、验证

python -c "import torch; print(torch.__version__); print(torch.version.cuda); print(torch.cuda.is_available()); print(torch.cuda.get_device_name(0) if torch.cuda.is_available() else 'No CUDA device')"

3、后面所有新环境直接 clone

conda create -n dms-face --clone torch-gpu-base -y

---

2. Pip 常用命令：Python 包管理

Pip 通常在你已经通过 Conda 激活了某个具体的虚拟环境之后使用，专门用来安装特定的 Python 库。

功能说明	具体命令	备注
安装包	pip install requests	默认从官方 PyPI 下载。
安装指定版本	pip install requests==2.28.1	使用 == 锁定具体版本，防止兼容性问题。
指定镜像源安装	pip install requests -i https://...	配合国内镜像源使用（如清华源https://pypi.tuna.tsinghua.edu.cn/simple）
批量安装包	pip install -r requirements.txt	从文件中读取包名和版本，一键全部安装。
卸载包	pip uninstall requests	卸载指定的包。
查看已安装的包	pip list	查看当前环境用 pip 安装了哪些东西。
查看特定包详情	pip show requests	可以看到这个包安装在硬盘的哪个路径下，以及它的版本。
导出当前环境依赖	pip freeze > requirements.txt	将当前环境所有包的版本号导出一个文件，方便在其他电脑上复现环境。