Conda使用手册

版本：2025.08 | 适用场景：Python环境管理
一、环境管理

1. 环境创建与切换
   • 创建新环境
   conda create -n env_name python=3.9 # 指定Python版本
   conda create --prefix ./custom_env # 自定义路径
   • 查看环境列表
   conda env list # 显示所有环境
   • 激活/退出环境
   conda activate env_name # 激活
   conda deactivate # 退出
2. 环境维护
   • 删除环境
   conda remove -n env_name --all # 彻底删除
   • 克隆环境
   conda create --name new_env --clone old_env

---

二、包管理

1. 安装与卸载
   • 安装包
   conda install numpy=1.21 # 指定版本
   conda install --file requirements.txt # 批量安装
   • 卸载包
   conda remove numpy
2. 更新与清理
   • 更新包
   conda update numpy # 单个更新
   conda update --all # 全部更新
   • 清理缓存
   conda clean --all

---

三、环境备份与共享

1. 导出配置
   conda env export > environment.yml # 生成配置文件
2. 恢复环境
   conda env create -f environment.yml
   四、实用技巧
3. 镜像加速
   conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
4. 通道优先级
   conda config --set channel_priority strict

查询pytorch
以下是几种验证PyTorch是否已安装的方法：

---

1. 通过Python交互环境验证
   pythonCopy Code
   import torch
   print(torch.version) # 输出PyTorch版本号
   • 若无报错且显示版本号，则PyTorch已安装56。
   • 若报错ModuleNotFoundError，则未安装36。

---

2. 使用命令行工具
   方法一：pip查询
   bashCopy Code
   pip show torch # 显示PyTorch安装信息
   • 若返回版本号、路径等详细信息，则已安装716。
   方法二：conda查询（适用于Anaconda环境）
   bashCopy Code
   conda list torch # 列出conda环境中的PyTorch包
   • 在输出列表中查找torch条目812。

---

3. 验证GPU支持（可选）
   pythonCopy Code
   import torch
   print(torch.cuda.is_available()) # 检查GPU是否可用
   • 返回True表示PyTorch支持GPU加速1113。

---

4. 快速命令行检查
   bashCopy Code
   python -c "import torch; print(torch.version)" # 单行命令输出版本
   • 适用于脚本或终端快速验证1415。