Conda国内镜像源及配置过程
作者：AI手记叨叨
文章介绍Conda镜像源使用方法,涵盖临时指定单个/多个源、永久配置及恢复默认设置,同时说明main（官方稳定）、free（逐渐弃用）、conda-forge（社区更新快）等仓库的区别与适用场景
一、Conda国内镜像源
# 清华大学 https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/ https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/ https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/ https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/ # 中国科学技术大学 https://mirrors.ustc.edu.cn/anaconda/pkgs/main/ https://mirrors.ustc.edu.cn/anaconda/pkgs/free/ https://mirrors.ustc.edu.cn/anaconda/cloud/conda-forge/ https://mirrors.ustc.edu.cn/anaconda/cloud/msys2/ # 北京外国语大学 https://mirrors.bfsu.edu.cn/anaconda/pkgs/main/ https://mirrors.bfsu.edu.cn/anaconda/pkgs/free/ https://mirrors.bfsu.edu.cn/anaconda/cloud/conda-forge/ # 南京大学 https://mirror.nju.edu.cn/anaconda/pkgs/main/ https://mirror.nju.edu.cn/anaconda/pkgs/free/ # 华为云 https://mirrors.huaweicloud.com/anaconda/pkgs/main/ https://mirrors.huaweicloud.com/anaconda/pkgs/free/ https://mirrors.huaweicloud.com/anaconda/cloud/conda-forge/ # 腾讯云 https://mirrors.cloud.tencent.com/anaconda/pkgs/main/ https://mirrors.cloud.tencent.com/anaconda/pkgs/free/ https://mirrors.cloud.tencent.com/anaconda/cloud/conda-forge/ # 阿里 https://mirrors.aliyun.com/anaconda/pkgs/main/ https://mirrors.aliyun.com/anaconda/pkgs/free/ https://mirrors.aliyun.com/anaconda/cloud/conda-forge/ # 上海交通大学 https://mirrors.sjtug.sjtu.edu.cn/anaconda/pkgs/main/ https://mirrors.sjtug.sjtu.edu.cn/anaconda/pkgs/free/ https://mirrors.sjtug.sjtu.edu.cn/anaconda/cloud/conda-forge/
二、Conda临时使用镜像源
指定单个源
- 直接使用镜像站URL
conda install -c https://mirrors.sjtug.sjtu.edu.cn/anaconda/pkgs/main/ package_name
- 或者使用镜像源的别名
conda install -c conda-forge package_name
临时指定多个源
- Conda按优先级从左到右依次搜索
-c参数的源，最后搜索全局配置的源（~/.condarc 中的 channels）
conda install -c https://mirrors.sjtug.sjtu.edu.cn/anaconda/cloud/conda-forge/ -c defaults package_name
创建环境时临时指定源
conda create -n my_env -c https://mirrors.sjtug.sjtu.edu.cn/anaconda/pkgs/main/ python=3.9
避免搜索远程源
- 如果本地已有缓存包，强制使用本地包
conda install --use-local package_name
三、Conda永久配置镜像源
通过conda命令配置
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/ conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/ conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/ conda config --set show_channel_urls yes
直接修改.condarc文件
sudo vim ~/.condarc
- 在用户目录下创建或修改
.condarc文件
channels: - defaults show_channel_urls: true 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 msys2: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud bioconda: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud menpo: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud pytorch: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud simpleitk: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
恢复默认配置
- 删除 ~/.condarc 文件（简单粗暴）
rm ~/.condarc
- 或者手动移除 channels
conda config --remove channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/ conda config --remove channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/ conda config --remove channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/
四、仓库说明
main、free和conda-forge是不同的软件包仓库，它们提供不同类型的Python包和环境依赖。
main（主仓库）
来源：
- 由Anaconda官方维护
内容：
- 包含Anaconda官方认证的、经过严格测试的稳定版本软件包。
- 通常是较为成熟的软件，更新频率较低，但稳定性高。
用途：
- 适合生产环境或需要稳定版本的场景。
free（免费仓库）
来源：
- Anaconda 官方维护，但已逐渐被弃用。
内容：
- 早期Anaconda将部分包标记为free（开源免费）和non-free（商业许可）。
- 现在大多数包已迁移到 main 或 conda-forge，因此 free 仓库中的包较少。
注意：新版本Conda可能不再默认使用free，建议优先使用main或conda-forge。
conda-forge（社区仓库）
来源：
- 由社区维护（非官方）。
内容：
- 包含大量最新的开源软件包，更新频繁，版本较新。
- 许多前沿工具（如机器学习库）会优先发布到 conda-forge。
特点：
- 包数量远超 main，但稳定性可能略低（未经 Anaconda 官方全面测试）。
- 与 main 仓库可能存在依赖冲突，建议单独使用或通过环境管理隔离。
用途：
- 适合开发、测试或需要最新版本的场景。
其他常见库
msys2：提供 Windows 系统的工具链（如 GCC、Git）。pytorch：PyTorch 官方维护的仓库。tensorflow：TensorFlow 官方仓库（Google 维护）nvidia：NVIDIA GPU 相关工具（CUDA、cuDNN 等）fastai:Fast.ai 相关的深度学习工具bioconda：生物信息学领域的专用包。ioam：地理空间数据处理（如 geopandas 的早期版本）plotly：Plotly 交互式可视化工具。omnia：分子动力学模拟工具（如 OpenMM）。r：R语言及其科学计算包。
总结
以上为个人经验，希望能给大家一个参考，也希望大家多多支持脚本之家。