news 2026/6/16 1:13:00

conda修改镜像源遇到的问题:defaults(默认镜像源)清不干净导致创建环境失败

作者头像

张小明

前端开发工程师

1.2k 24
文章封面图
conda修改镜像源遇到的问题:defaults(默认镜像源)清不干净导致创建环境失败

1、背景

我是在一个平台上搞了个环境用于神经网络的学习,操作系统是Ubuntu,镜像自带python、conda等,需要收费,此处不贴连接,否则有打广告嫌疑。

2、开始操作

ssh远程连接服务器,进入后台,创建conda的虚拟环境,报超时问题,于是更换conda镜像源,操作如下:
(1)删除所有镜像源

conda config --remove-key channels

(2)加镜像源

conda config--addchannels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/ conda config--addchannels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/ conda config--addchannels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/ conda config--addchannels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/bioconda/ conda config--addchannels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/

(3)查看镜像源

conda config--showchannels


(4)清缓存

conda clean-i

3、创建环境

以为成功了,开始愉快的创建conda的虚拟环境,结果还是说超时:

4、接着排查

执行如下命令,查看当前 Conda 的所有配置,分别来自哪些文件

conda config --show-sources

输出如下:

输出详解:

  • 第1个文件usr/local/miniconda3/.condarc是系统级文件
  • 第2个文件/root/.condarc是用户级文件

conda 的配置优先级是 [ 系统级 > 用户级 ]

所以我之前的操作都是修改的用户级文件,系统级没有改到

解决方案:清除系统级的 defaults

5、清除所有层级的 defaults

因为我找到我的环境是系统级的defaults没有清空,大家根据第4步命令执行的结果来看,需要清空哪个文件中的defaults,进入文件,删除defaults,保存就可以了。我是:

vim/usr/local/miniconda3/.condarc

直接把文件清空了,再看镜像源,确实没有defaults,OK了。

6、再建环境

不要忘了最初的目的,创建虚拟环境成功:

conda create--nameaistudypython=3.12

备注:此文的解决方法感谢豆包老师。

版权声明: 本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若内容造成侵权/违法违规/事实不符,请联系邮箱:809451989@qq.com进行投诉反馈,一经查实,立即删除!
网站建设 2026/6/10 23:48:34

数据实时迁移同步工具 CloudCanal-v5.3.1.0 发布,支持金仓数据库

亮点 全新支持 KingbaseES V8/V9 源端 新链路 开放 KingbaseES V8/V9 -> MySQL/StarRocks/Doris/SelectDB 全量同步/增量同步/数据校验/数据订正/结构迁移/DDL 同步(加列/减列/modify/rename/truncate)开放 KingbaseES V8/V9 -> ClickHouse 全量同…

作者头像 李华
网站建设 2026/6/15 15:09:13

YOLOv8 Mosaic增强是什么?对小样本训练的帮助

YOLOv8 Mosaic增强:如何用四张图“捏造”出一个更强大的检测模型? 在工业质检车间里,工程师盯着屏幕上的目标检测模型输出结果,眉头紧锁——明明训练集里有类似缺陷样本,为什么推理时还是漏检了? 这背后&a…

作者头像 李华
网站建设 2026/6/15 20:06:38

单层锚点图哈希(One-Layer Anchor Graph Hashing)测试编码函数详解

锚点图哈希(Anchor Graph Hashing,简称 AGH)是一种高效的无监督哈希方法,特别适合大规模数据集。它通过少量的锚点(anchors)来近似构建数据的图结构,避免了传统谱哈希中需要构造完整相似度图的高昂计算和存储开销。单层 AGH 在保持良好性能的同时,将时间和空间复杂度大…

作者头像 李华
网站建设 2026/6/15 19:24:42

YOLOv8结合LiDAR:三维点云与二维图像融合检测

YOLOv8结合LiDAR:三维点云与二维图像融合检测 在自动驾驶和智能机器人系统中,环境感知的可靠性直接决定了系统的安全边界。仅靠摄像头,模型可能在逆光或夜间“失明”;而单靠LiDAR,又难以分辨广告牌上的汽车图案和真实车…

作者头像 李华
网站建设 2026/6/15 4:17:06

YOLOv8水下机器人视觉:珊瑚礁监测与鱼类识别

YOLOv8水下机器人视觉:珊瑚礁监测与鱼类识别 在南海某片湛蓝海域,一台小型水下机器人正沿着预定航线缓缓滑行。它的摄像头不断捕捉着海底画面——成片的鹿角珊瑚间,鹦嘴鱼穿梭游弋,一只海星缓慢爬过礁石表面。而在它搭载的Jetson …

作者头像 李华
网站建设 2026/6/9 23:40:10

YOLOv8铁路轨道巡检:轨枕、螺栓缺失视觉检测

YOLOv8铁路轨道巡检:轨枕、螺栓缺失视觉检测 在高铁线路以每小时350公里飞驰的背后,是成千上万根轨枕和数以亿计的扣件默默支撑着列车的安全运行。一旦某颗螺栓松动或轨枕偏移,轻则引发颠簸,重则可能导致脱轨事故。传统依靠人工“…

作者头像 李华