Conda国内镜像源及配置过程

目录

• 一、Conda国内镜像源
• 二、Conda临时使用镜像源
• 指定单个源
• 临时指定多个源
• 创建环境时临时指定源
• 避免搜索远程源
• 三、Conda永久配置镜像源
• 通过conda命令配置
• 直接修改.condarc文件
• 恢复默认配置
• 四、仓库说明
• main（主仓库）
• free（免费仓库）
• conda-forge（社区仓库）
• 其他常见库
• 总结

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/www.devze.comanaconda/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/ 

# 阿里编程
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 channelsphp 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/cloudhttp://www.devze.com/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 系编程客栈统的工具链（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编程客栈(www.devze.com)。