最近开始深度搞搞AI相关东西，涉及到python和pytorch，第一步先把环境问题搞清楚。python的东西是真的乱……网上的信息几乎没有一个能完整说清楚的，大量的错误信息。

python

为什么不要使用常规的系统级安装方式而选择conda

首先安装python就是一个很大的问题，该选择什么样的安装方式呢？Linux各个发行版都自带python，Windows也可以下载安装python windows installer，但这种安装方式一律不建议，核心原因是：尽管我们可以通过venv这类环境管理软件来实现python env的创建与隔离，但每个python env所使用的python版本都只能是系统中安装的那个版本，无法灵活修改。更要命的是，Windows的installer还一大堆Bug，有无法正常卸载、卸载有残留等问题。

唯一正确的选择是使用conda。

如何正确安装conda：选择miniforge而非anaconda/miniconda

老生常谈的问题。anaconda和miniconda是商业产品，区别是anaconda会预装很多包，miniconda仅预装必要的包，所以miniconda体积小很多。而miniforge是开源社区主导的对标miniconda的产品。选开源产品就对了！

曾经还有mamba，比miniforge性能更好，但mamba现已合并到miniforge中，所以直接用miniforge就好

Linux安装

在github上搜索miniforge3，按说明下载安装即可。安装时建议不要让它自动修改shell，手动在bashrc里添加[[ -e "$HOME/miniforge3/bin/conda" ]] && eval "$($HOME/miniforge3/bin/conda shell.bash hook)"即可。安装完建议执行conda config --set auto_activate false，目的是不要让它在启动shell时自动激活。后面会详细讲.condarc的配置。

Windows安装

release页下载安装Miniforge3-Windows-x86_64.exe即可。安装时建议不要勾选注册为系统python和添加到PATH这两个选项，自己手动配就好了。

手动将以下路径加到PATH中（注意这些PATH要添加在%USERPROFILE%\AppData\Local\Microsoft\WindowsApps的上面才行，否则会优先使用WindowsApps下的python）：

D:\work\library\win\miniforge3
D:\work\library\win\miniforge3\Library\mingw-w64\bin
D:\work\library\win\miniforge3\Library\usr\bin
D:\work\library\win\miniforge3\Library\bin
D:\work\library\win\miniforge3\Scripts

基本用法

# 创建名为test的环境
conda create -n test python=3.14
# 删除为test的环境
conda remove -n test --all
# 进入名为test的环境
conda activate test
# 退出当前python环境
conda deactivate

`.condarc`配置

首先，conda是一个通用的包管理器，可以装各种软件和python包，而pip只能用来装python包。但conda和pip使用的是完全不同的源，管理方式也不同，即使是同名的python包内容也可能不同。

我们先来看一个典型的.condarc是什么样的：

channels:
  - conda-forge
show_channel_urls: true
auto_activate: false
default_channels:
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/msys2
custom_channels:
  conda-forge: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  pytorch: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud

配置细节详见文档。首先是两个建议配置：

show_channel_urls: 下载时显示是从哪个URL下载的
auto_activate: 启动shell时自动激活python默认环境（base），很多地方写的配置都是auto_activate_base，其实是一样的

剩下的三个配置是channel相关的，下面详细讲。

conda源（channel）详解

首先要搞懂channel是个什么概念。channel是指conda包分发的通道，例如最大的channel是社区维护的conda-forge，nvidia也有自己维护的channel。不同的channel提供了不同的软件集合（当然不同的channel里也可能有相同的软件）。相当于把软件包套了层namespace，不同组织各自维护自己的channel（当然一个组织也可能维护多个channel）。

接下来看channels、default_channels、custom_channels这三个channel相关的配置是在配什么：

channels: 指定使用conda create和conda install这些命令时从哪些channel里搜索和安装。这里只需要写channel的别名，例如conda-forge。其中defaults是一个特殊的别名，下面会讲。
custom_channels：指定channel别名所对应的地址，conda-forge: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud指在使用conda-forge这个channel时，需要访问https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge来搜索和安装。
default_channels: 专门用于配置defaults的特殊配置项，它等价于在custom_multichannels（类似于上面的custom_channels，但是是用于配置别名与channel之间是一对多的情况）配置中定义defaults，例如：

custom_multichannels:
  defaults:
    - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
    - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r
    - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/msys2

简单来说就是，channels指定channel别名，custom_channels中定义别名对应的地址，default_channels是定义defaults这个特殊别名所对应的地址，只不过这个别名对应了多个channel。

对于没有写在channels里的custom_channels，默认不会进行检索，需要通过手动指定的方式来安装这些channel里的软件。手动指定有两个方法：

通过-c参数，例如conda install pytorch -c conda-forge（本次conda install操作增加对conda-forge这个channel里软件的检索）
在包名前手动指定channel，例如conda install conda-forge::pytorch（从conda-forge这个channel里检索pytorch并安装，指向更加精准）

miniforge与anaconda/miniconda在channel上默认行为的不同

先介绍两个命令：

conda config --show: 查看补上了默认值之后的.condarc配置的值（当前用户配置的.condarc与conda默认的.condarc配置合并后所有的.condarc配置项的值）
conda info: 查看conda本身的相关信息，我们可以用这个查到conda实际默认使用的channel对应的URLs（即.condarc中的channels中指定的channel别名所对应的URLs）

我们再来看一下miniforge在没有在.condarc做任何配置时的各配置值：

channels:
  - conda-forge
channel_alias: https://conda.anaconda.org
default_channels:
  - https://repo.anaconda.com/pkgs/main
  - https://repo.anaconda.com/pkgs/r
  - https://repo.anaconda.com/pkgs/msys2
custom_channels:
  pkgs/main: https://repo.anaconda.com
  pkgs/r: https://repo.anaconda.com
  pkgs/msys2: https://repo.anaconda.com
  pkgs/pro: https://repo.anaconda.com

可以看出，miniforge的channels默认使用conda-forge。

而剩下的default_channels所定义的defaults这个channel根本没用到，如果想用，可以在.condarc中的channels中把defaults加上，或者在需要时手动引入，也就是上面所说的-c参数例如-c defaults或者-c pkgs/main等等。

这里需要说明一下channel_alias的作用是指定channels中配置的别名如果在custom_channels不存在的话，就会默认用channel_alias中的地址。这里就是默认用https://conda.anaconda.org/conda-forge/这个地址。

而miniforge与anaconda/miniconda在channel上的默认行为，唯一的不同就是：miniforge会在你配置的channels最后默认加上conda-forge，而anaconda/miniconda会默认加defaults！

你需要哪些channel

现在，我们该回答如何正确选择channel的问题了。

先说结论，无论你用的是miniforge还是anaconda/miniconda（尽管并不推荐），一律建议使用conda-forge这个channel。

再细说一下这些channel都有什么区别，都在哪里维护。

anaconda.org作为统一的前端页面，可用于搜索包、浏览channel、查看版本和下载量等。例如查看conda-forge、nvidia等channel的情况。
- anaconda商业官方包通过repo.anaconda.com（.com域名）分发，主要有pkgs/main、pkgs/r、pkgs/msys2等，更详细的说明（例如anaconda官方还维护哪些包、哪些废弃了等）见pkgs页面。
- 社区包通过conda.anaconda.org分发，例如conda-forge、nvidia等。

conda-forge目前最为活跃，anaconda商业官方包基本上就只有pkgs/main还在维护，而pkgs/r在2025年11月4日已经停止更新，pkgs/msys2也早在2016年就已经停止更新（pkgs/msys2还有个社区版channel，但跟anaconda商业版内容是一样的），其他的也废弃的废弃，停更的停更。

这些包基本上在conda-forge都有，所以只用conda-forge就好了。如果真的需要anaconda商业官方包，可以在channels中加上defaults，或者通过-c defaults或-c anaconda/pkgs/main手动指定channel。但一定不要在default_channels里混配anaconda/pkgs和conda-forge，或者是在channels中配多个且channel_priority配成disabled，否则包检索会按不同源内版本高的来而非在相同channel中寻找依赖包，这可能会导致依赖冲突问题。

配置conda镜像源

上面已经介绍了conda社区包和anaconda商业官方包的分发渠道：

conda社区包：conda.anaconda.org，例如https://conda.anaconda.org/conda-forge/
anaconda商业官方包：repo.anaconda.com，例如https://repo.anaconda.com/pkgs/main/

我们要做的，就是把这两个分发渠道替换成国内的镜像站。具体的地址每个镜像站可能有略微不同。以清华tuna镜像站为例，它们都被放到了https://mirrors.tuna.tsinghua.edu.cn/anaconda下：

conda社区包：https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud，都在cloud目录下
anaconda商业官方包：https://mirrors.tuna.tsinghua.edu.cn/anaconda/，由于官方包都以pkgs开头，所以都在pkgs目录下。

因此典型的.condarc的default_channels和custom_channels镜像源配置如下（default_channels）：

default_channels: # 没有别名也不会自动把别名添加到URL后面，所以直接写channel的具体地址
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/msys2
custom_channels: # 使用时自动把别名添加到URL后面，所以只需写channel源的URL前缀
  conda-forge: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  pytorch: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud

配置python镜像源

上面说的都是conda源，但是python库有自己的源，也就是pip安装python包的pypi。

这个没什么乱七八糟特殊逻辑，直接配置就好。

通过命令配置：pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple
手动修改配置文件：修改~/.config/pip/pip.conf或%APPDATA%\pip\pip.ini，写入如下配置

[global]
index-url = https://pypi.tuna.tsinghua.edu.cn/simple

pytorch

先澄清一点，pytorch的名字就叫pytorch，但是它在pypi的名字叫torch（没有py前缀）。pytorch在conda的channel名，以及包名（包括pytorch和conda-forge这两个channel下的包）都叫pytorch。

pytorch主要有两种安装方式，分别是通过pip安装和通过conda安装。

通过pip安装

pytorch官网给了非常详细的安装指引，根据平台、CPU/GPU版本的不同，给了不同的pip安装命令。

例如：pip3 install torch torchvision --index-url https://download.pytorch.org/whl/cu130。其含义是以download.pytorch.org作为pip源进行安装。

需要使用pytorch自己的pip源安装的核心原因是，其在pypi同名同版本只能有一个包，这就导致只能发布CPU/GPU等多个版本中的一个。指定pip源的方式就可以解决这个问题，不同版本用不同的源地址即可。

但这样也有坏处，各个镜像站基本上都没有针对pytorch的pip源的镜像。

我们知道pypi一般是有镜像的，pytorch在pypi上的包也存在一些特殊处理：

Linux: 包是GPU版本的pytorch，并且自带CUDA runtime。例如PyTorch 2.11用CUDA 13.0，PyTorch 2.10用CUDA 12.x。
Windows: 包是CPU版本的pytorch，当然也不会有CUDA runtime。

通过pip安装的GPU版本的pytorch，CUDA runtime会安装在miniforge3\envs\${ENV}\Lib\site-packages\torch\lib。

GPU版本的pytorch安装完后会看到类似于2.11.0+cu130的版本样式，尽管如此，也无法通过pip install torch==2.11.0+cu130这种方式通过pypi源安装，因为pypi源里就没有这种命名方式。

总结一下，如果是通过pip安装GPU版本的pytorch，Linux在pytorch官方源或pypi（含pypi镜像）均可，Windows只能通过pytorch官方源安装。

通过conda安装

先说最建议的方式，就是从conda-forge这个channel中安装。

执行conda install pytorch即可安装，会识别显卡驱动自动决定是否安装GPU版。

要确保是从conda-forge安装的pytorch，如果配置了其他channel，可以通过conda install conda-forge::pytorch显式指定。

通过conda安装的GPU版本的pytorch，CUDA runtime会安装在miniforge3\envs\${ENV}\Library\bin。

如果想要强制指定安装GPU版本，可以安装conda-forge::pytorch-gpu，pytorch-gpu是个元包，作用就是强制安装pytorch的GPU版。

再说一个广为流传但已经过时的安装方式，conda install pytorch torchvision torchaudio pytorch-cuda=12.4 -c pytorch -c nvidia，我们对它拆解一下：

pytorch、torchvision、torchaudio、pytorch-cuda这几个包都是pytorch这个channel下的包，-c pytorch的作用就是在pytorch这个channel里找这些包
pytorch-cuda这个包是个元包，其为nvidia这个channel里CUDA runtime的合集，所以需要-c nvidia才能找到这些CUDA runtime文件才能装这个包，pytorch-cuda=12.4就是在指定安装的CUDA runtime版本
pytorch::pytorch只包含pytorch，conda install时带上-c nvidia就会安装GPU版本的pytorch，但是不带CUDA runtime，需要通过pytorch::pytorch-cuda包安装CUDA runtime，最终形成上面那个完整的一条命令

为什么说这个安装方式已经过时呢？因为conda的pytorch这个channel上的pytorch相关包早在24年10月底就不再更新（官方说明），只在conda-forge继续维护。最终版本锁定在了pytorch 2.5.1，python 3.12，cuda 12.4。不过这里说的是pytorch这个包，其他包可能仍在更新。

总结一下，如果是通过conda安装，直接从conda-forge安装pytorch包即可，会自动识别决定是否安装GPU版。不要安装pytorch这个channel里的任何包。

如何选择conda安装还是pip安装

conda-forge里的pytorch版本没有pytorch官网（自己的pip源）更新快。

因此，Linux系统上用哪个都可以；但Windows上考虑到是否有GPU版的镜像源的问题，优先考虑conda安装，如果对pytorch新版本有要求，就用pip走官方源安装。

无论选择哪种安装方式，都不需要去NVIDIA官网下载安装CUDA Toolkit和cuDNN！

FanZheng's Debug Blog

关于python与pytorch的各种配置问题与迷思

python

为什么不要使用常规的系统级安装方式而选择conda

如何正确安装conda：选择miniforge而非anaconda/miniconda

Linux安装

Windows安装

基本用法

`.condarc`配置

conda源（channel）详解

miniforge与anaconda/miniconda在channel上默认行为的不同

你需要哪些channel

配置conda镜像源

配置python镜像源

pytorch

通过pip安装

通过conda安装

如何选择conda安装还是pip安装

Comments

FanZheng's Debug Blog

关于python与pytorch的各种配置问题与迷思

python

为什么不要使用常规的系统级安装方式而选择conda

如何正确安装conda：选择miniforge而非anaconda/miniconda

Linux安装

Windows安装

基本用法

.condarc配置

conda源（channel）详解

miniforge与anaconda/miniconda在channel上默认行为的不同

你需要哪些channel

配置conda镜像源

配置python镜像源

pytorch

通过pip安装

通过conda安装

如何选择conda安装还是pip安装

Comments

`.condarc`配置