Conda国内镜像源及配置过程

更新时间：2025年08月11日 14:08:36 作者：AI手记叨叨

文章介绍Conda镜像源使用方法,涵盖临时指定单个/多个源、永久配置及恢复默认设置,同时说明main（官方稳定）、free（逐渐弃用）、conda-forge（社区更新快）等仓库的区别与适用场景

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脚本之家。

您可能感兴趣的文章:

Django查询数据库的性能优化示例代码
这篇文章主要给大家介绍了关于Django查询数据库性能优化的相关资料，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧。
2017-09-09
Python图像处理之图像拼接
这篇文章主要介绍了Python图像处理之图像拼接,文中有非常详细的代码示例,对正在学习python图像处理的小伙伴们有非常好的帮助,需要的朋友可以参考下
2021-04-04
使用Python搭建轻量级静态网页服务器的示例详解
这篇文章主要为大家详细介绍了如何使用Python搭建一个轻量级静态网页服务器,零基础也能实现的Web开发初体验,感兴趣的小伙伴可以跟随小编一起学习一下
2025-07-07
详解Python 中的容器 collections
这篇文章主要介绍了Python 中的容器 collections的相关资料，帮助大家更好的理解和学习python，感兴趣的朋友可以了解下
2020-08-08
python实现贪吃蛇游戏源码
这篇文章主要为大家详细介绍了python实现贪吃蛇游戏，文中示例代码介绍的非常详细，具有一定的参考价值，感兴趣的小伙伴们可以参考一下
2020-03-03
Python pandas修剪函数clip使用实例探究
在数据处理和分析中,经常面临着需要限制数据范围的情况,而pandas库提供的clip函数就是一个强大的工具,可以方便地对数据进行修剪,本文将深入介绍clip函数的基本用法、常见参数以及实际场景中的应用,以帮助大家充分理解并灵活运用这一功能
2024-01-01
Python 二进制字节流数据的读取操作(bytes与bitstring)
本文主要介绍了Python 二进制字节流数据的读取操作(bytes与bitstring)，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧
2023-03-03
python已协程方式处理任务实现过程
这篇文章主要介绍了python已协程方式处理任务实现过程,文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下
2019-12-12
简单了解python gevent 协程使用及作用
这篇文章主要介绍了简单了解python gevent 协程,文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下
2019-07-07
如何将PySpark导入Python的放实现(2种)
这篇文章主要介绍了如何将PySpark导入Python的放实现，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧
2020-04-04