当前位置: 代码网 > it编程>前端脚本>Python > Conda国内镜像源及配置过程

Conda国内镜像源及配置过程

2025年08月11日 Python 我要评论
一、conda国内镜像源# 清华大学https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/https://mirrors.tuna.tsing

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代码网。

(0)

相关文章:

版权声明:本文内容由互联网用户贡献,该文观点仅代表作者本人。本站仅提供信息存储服务,不拥有所有权,不承担相关法律责任。 如发现本站有涉嫌抄袭侵权/违法违规的内容, 请发送邮件至 2386932994@qq.com 举报,一经查实将立刻删除。

发表评论

验证码:
Copyright © 2017-2025  代码网 保留所有权利. 粤ICP备2024248653号
站长QQ:2386932994 | 联系邮箱:2386932994@qq.com