conda create 不指定 Python 版本会默认使用 conda 自带版本（如3.7），导致后续包兼容性错误；应显式声明 python=3.9 并立即验证；避免混用 pip/conda 安装科学计算包以防 ABI 不匹配；导出环境时用 --from-history 并手动清理 build 字段；安装 PyTorch 需指定 CUDA channel 和版本；所有操作前必须先 conda activate 目标环境。
conda create 创建环境时为什么总装错 Python 版本
默认不指定 Python 版本，conda create 会用当前 conda 自带的 Python，不是你想要的 3.8 或 3.9。尤其在旧版 Anaconda 上，可能直接拉来 3.7 甚至更老的版本，后续装 scikit-learn 或 torch 就报兼容性错误。
实操建议：
立即学习“Python免费学习笔记（深入）”；
- 显式声明 Python 版本：
conda create -n ml-env python=3.9 - 创建后立刻验证：
conda activate ml-env && python --version - 避免用
conda install python=3.9后续升级——这可能破坏环境一致性，重装更稳妥
pip 和 conda 混着装包，结果 import 失败
常见现象是 conda install numpy 成功，但 pip install scikit-learn 后运行时报 ImportError: DLL load failed（Windows）或 Symbol not found（macOS）。本质是二进制 ABI 不匹配：conda 装的底层库（如 OpenBLAS）和 pip 装的 wheel 用的不是同一套编译链。
实操建议：
立即学习“Python免费学习笔记（深入）”；
- 优先全用
conda install，尤其对numpy、scipy、matplotlib、scikit-learn这类科学计算栈 - 必须用 pip 时（比如装还没进 conda-forge 的新包），先
conda activate ml-env，再pip install --no-deps避免连带装冲突依赖 - 装完立刻跑
python -c "import sklearn; print(sklearn.__version__)"验证，别等写到模型训练才崩
环境导出为 environment.yml 却在另一台机器上复现失败
导出命令 conda env export > environment.yml 看似完整，实际会把本地绝对路径、build 字符串（如 py39h1234abc_0）也写进去。换环境或换系统（Windows → macOS）时，conda 无法解析这些 build ID，直接卡住或降级装旧版。
安全 Python 代码沙箱：在隔离的沙箱中执行任意 Python 代码，预装 requests、NumPy、pandas 库。返回 stdout、stderr。
实操建议：
立即学习“Python免费学习笔记（深入）”；
- 导出时加
--from-history：conda env export --from-history > environment.yml，只保留你手动conda install的包名和版本 - 手动删掉
environment.yml里prefix:行和所有build:字段 - 关键包写死小版本号，比如
- scikit-learn=1.3.0，而不是=1.3，避免自动升到不兼容的 1.4.x
用 conda 安装 torch 却发现 CPU 版本被默认选中
conda install pytorch 默认走的是 pytorch 官方 channel，它只提供 CPU 版本；想用 CUDA 加速，必须明确指定 channel 和 build 变体。否则训练时 torch.cuda.is_available() 返回 False，但不会报错，容易误以为代码问题。
实操建议：
立即学习“Python免费学习笔记（深入）”；
- 查清本机 CUDA 版本：
nvidia-smi看右上角，比如显示CUDA Version: 12.1 - 去 PyTorch 官网 复制对应命令，通常是：
conda install pytorch torchvision torchaudio pytorch-cuda=12.1 -c pytorch -c nvidia - 装完立刻验证：
python -c "import torch; print(torch.cuda.is_available(), torch.version.cuda)"
环境配得再准，只要没在激活状态下操作，所有 conda install 都会默默装进 base 环境。很多人反复重装就因为忘了 conda activate ml-env 这一步，或者 VS Code 终端没切换到正确环境。激活状态看 shell 提示符前缀，或者直接 which python（macOS/Linux）或 where python（Windows）确认路径。
