Conda创建多版本科学计算环境的核心是隔离Python版本与包依赖，支持自由切换3.8/3.9/3.10等版本并精准控制NumPy、SciPy、PyTorch等库组合；可通过conda create -n env_name python=x.x创建环境，conda activate激活，conda env export导出YAML配置实现环境复现，同时建议优先用conda安装、指定channel（如conda-forge）并规范命名。
用 Conda 创建多版本科学计算环境，核心是隔离 Python 版本和包依赖——不同项目用不同环境，互不干扰，还能自由切换 Python 3.8、3.9、3.10 等版本，同时精准控制 NumPy、SciPy、PyTorch 等库的版本组合。
创建带指定 Python 版本的环境
Conda 允许在建环境时直接指定 Python 版本，这是区分科学计算环境的基础：
- 运行 conda create -n py38-scipy1.7 python=3.8 创建名为
py38-scipy1.7的环境，并安装 Python 3.8 - 再用 conda activate py38-scipy1.7 进入该环境，接着 conda install scipy=1.7.3 numpy=1.21 安装兼容的老版本科学栈
- 同理，conda create -n py311-torch2 python=3.11 可新建支持 PyTorch 2.x 的新环境（注意：部分旧版 SciPy 尚未适配 Python 3.11，Conda 会自动推荐兼容版本）
从 YAML 文件复现完整环境
当需要多人协作或部署到服务器时，导出环境配置比逐条记命令更可靠：
- 在已配置好的环境中执行 conda env export > env-scipy17.yml，生成包含所有包名+精确版本号（含 build 字符串）的 YAML 文件
- 他人可用 conda env create -f env-scipy17.yml 一键重建一模一样的环境（包括 Python 版本、channel 来源、非 PyPI 包如 mkl 或 cudatoolkit）
- 若只需保留关键依赖（忽略构建细节），可加 --from-history 参数导出用户显式安装的包，适合长期维护的项目
管理多个环境并快速切换
环境多了容易混淆，掌握几个常用命令能大幅提升效率：
立即学习“Python免费学习笔记（深入）”；
- conda env list 查看所有环境路径，星号标记当前激活环境；conda info --envs 效果相同
- conda activate 环境名 激活指定环境（Windows/Linux/macOS 均适用）；conda deactivate 退出当前环境
- 删除不用的环境：先 conda deactivate，再 conda env remove -n py36-legacy，避免误删当前环境
注意事项与实用技巧
实际使用中有些细节会影响环境稳定性：
- 避免混用
pip和conda install：优先用 conda 安装科学计算包（如conda install pytorch torchvision cpuonly -c pytorch），pip 补充 conda 仓库没有的包（如私有工具包），但装完建议运行 conda list 检查是否出现pip标记的包，过多可能引发冲突 - 指定 channel 提升兼容性：添加 -c conda-forge 通常能获得更新、跨平台更一致的科学包（例如 conda-forge 的 xarray、dask 更新快于 defaults）
- 环境命名建议带技术特征：如
ml-cuda118、bio-py39，比env1更易识别用途
