Conda - когда pip снова все сломал

Conda спасает от dependency hell'а

Помню, как мы три дня потратили на деплой ML модели. pip install tensorflow==2.13.0 прошел без ошибок, но при запуске обучения

• `Your CPU supports instructions that this TensorFlow binary was not compiled to use:

AVX2 FMA. GPU не определялся вообще. Потом 6 часов ставили CUDA 11.8, cudnn, но версии не совпали: libcudnn.so.8: cannot open shared object file. В итоге пришлось переустанавливать весь сервер. С тех пор conda install tensorflow-gpu=2.13.0`

• все работает сразу, включая CUDA.

Зачем вообще нужен Conda

Conda решает проблемы, которые pip не может. pip отлично работает для простых Python пакетов, но когда дело доходит до системных зависимостей, начинается боль:

• NumPy падает с `ImportError:

BLAS/LAPACK libraries not found` если system dependencies не поставлены

• OpenCV: ImportError: libgthread-2.0.so.0: cannot open shared object file на свежей Ubuntu

• PyTorch: `RuntimeError:

CUDA out of memory` или вообще не видит GPU без nvidia-toolkit

• scikit-learn: Microsoft Visual C++ 14.0 is required на Windows
• 3 часа на stackoverflow

Conda устанавливает все это одной командой.

Реальные примеры из жизни

Кейс 1: Миграция с production сервера Старый сервер умирал, нужно было перенести ML pipeline на новый. С pip requirements.txt полдня мучился: error: [Errno 2] No such file or directory: 'cmake', потом `RuntimeError:

Platform linux_x86_64 is not a supported platform. С conda env export` скопировал весь environment за 10 минут. Даже CUDA версии совпали!

Кейс 2: Команда из 8 разработчиков Каждый ставил зависимости как хотел. У кого-то Num

Py 1.18, у кого-то 1.24. Модель обучалась по-разному. Перешли на общий environment.yml

• проблем больше нет.

**Кейс 3:

ARM64 MacBook M1/M2** TensorFlow на новых маках с pip

• это страдания. С conda-forge работает из коробки. Подробности в Apple Silicon Support Guide.

Conda против pip

• честное сравнение

Когда использовать Conda:

• Data science проекты

• Работа с CUDA

• Команда больше 2 человек

• Production deployment

• Работа с R, Julia, или другими языками

Когда pip все еще лучше:

• Простые веб-приложения

• Только Python пакеты

• Быстрый прототип

• Пакет есть только в PyPI

Conda channels

• где брать пакеты

conda-forge

• используй его всегда. 20,000+ пакетов, обновляются быстрее официальных. Команда из сотен добровольцев проверяет качество.

defaults от Anaconda

• коммерческие ограничения с 2020 года. Для компаний нужна лицензия.

bioconda

• если работаешь с биоинформатикой. 8000+ пакетов для биологов.

Настрой правильные приоритеты:

conda config --add channels conda-forge
conda config --set channel_priority strict

Performance reality check

Да, Conda медленнее pip при установке простых пакетов. Но когда у тебя environment с 100+ зависимостями, solver Conda'ы спасает время:

• pip: может поставить несовместимые версии, придется разбираться

• conda: проверит все заранее, поставит то что работает

С libmamba solver (дефолт с conda 23.10) установка TensorFlow стала в 2 раза быстрее. Mamba вообще в 10 раз быстрее conda при создании больших environment'ов

• наш тест показал: conda 15 минут, mamba 90 секунд для установки PyTorch + TensorFlow + Jupyter.

Дополнительные ресурсы:

• Официальная документация Conda

• Conda-forge community

• Comparing Python Package Managers

• Python Package Management Guide

• Conda vs pip comparison

• Best practices for Python environments

• Docker and Conda integration

• CI/CD with Conda

• Environment management strategies

• Conda vs Pip 2025 comparison

• Why some prefer pip over conda

• Managing dependencies with Poetry vs Conda

• Conda for data scientists

Какой дистрибутив выбрать

У тебя есть несколько вариантов, но я сразу скажу правильный ответ: Mambaforge. Остальное - для тех, кто любит страдать:

Anaconda Distribution (3GB+)

Полный дистрибутив Anaconda включает 250+ пакетов для data science, Jupyter Notebook, Spyder IDE и Anaconda Navigator. Хорош для начинающих, но занимает много места.

## Windows
## Скачай .exe с официального сайта

## macOS  
brew install --cask anaconda

## Linux (проверь актуальную версию на anaconda.com)
wget https://repo.anaconda.com/archive/Anaconda3-2025.06-1-Linux-x86_64.sh
bash Anaconda3-2025.06-1-Linux-x86_64.sh

Miniconda (400MB)

Минимальная установка только с Python и Conda. Рекомендуется для опытных разработчиков.

## Linux/macOS
wget https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh
bash Miniconda3-latest-Linux-x86_64.sh

## Windows PowerShell
Invoke-WebRequest -Uri https://repo.anaconda.com/miniconda/Miniconda3-latest-Windows-x86_64.exe -OutFile miniconda.exe
Start-Process -FilePath \"miniconda.exe\" -Wait

Miniforge (просто ставь это)

Miniforge - это то что нужно. Conda + mamba из коробки, conda-forge канал по умолчанию, никаких коммерческих заморочек. Mambaforge deprecated с января 2025 - используй Miniforge!

## Linux/macOS
curl -L -O \"https://github.com/conda-forge/miniforge/releases/latest/download/Miniforge3-$(uname)-$(uname -m).sh\"
bash Miniforge3-$(uname)-$(uname -m).sh

Базовые команды

После установки проверь, что все работает:

conda --version  # Conda 25.7.0 (released August 2025)
conda info       # Подробная информация о конфигурации

Создание и управление environment'ами

## Создание нового environment'а
conda create -n myproject python=3.12

## Активация
conda activate myproject

## Установка пакетов
conda install numpy pandas jupyter

## Список установленных пакетов
conda list

## Экспорт environment'а
conda env export > environment.yml

## Создание из файла
conda env create -f environment.yml

## Удаление environment'а
conda env remove -n myproject

Российская специфика (VPN и прокси)

Каналы которые не тормозят

Дефолтные каналы Anaconda тормозят из России как будто они на dial-up. Плюс с 2020 года у них коммерческие ограничения. Переходи на conda-forge:

## Добавить conda-forge с высоким приоритетом
conda config --add channels conda-forge
conda config --set channel_priority strict

## Проверить настройки
conda config --show channels

Когда корпоративный прокси все ломает

Если работаешь из офиса и IT отдел заблокировал половину интернета:

## Отключить SSL проверку (осторожно!)
conda config --set ssl_verify false

## Настроить proxy - см. [официальную документацию по прокси](https://docs.conda.io/projects/conda/en/stable/user-guide/configuration/use-condarc.html#proxy-settings)
## Пример: conda config --set proxy_servers.http PROXY_URL
## Пример: conda config --set proxy_servers.https PROXY_URL

Альтернативные зеркала и блокировки

В России conda-forge часто тормозит из-за международных ограничений. Если видишь CondaHTTPError: HTTP 000 CONNECTION FAILED, попробуй:

## Альтернативные каналы (если основные недоступны)
conda config --add channels conda-forge
conda config --set channel_priority strict

## Если ничего не помогает - через VPN
conda config --set ssl_verify false  # только для тестинга!

Реальность: В некоторых офисах блокируют anaconda.org. Если видишь ReadTimeoutError, включай VPN или используй корпоративный прокси.

Оптимизация производительности

Использование Mamba

После установки Conda установи Mamba для ускорения:

conda install mamba -n base -c conda-forge

Теперь можешь использовать mamba вместо conda во всех командах:

mamba install tensorflow pytorch  # В разы быстрее
mamba env create -f environment.yml

Очистка кэша

Conda кэширует скачанные пакеты. Периодически очищай:

conda clean --all  # Удалит все кэшированные файлы
conda clean --packages  # Только файлы пакетов

Интеграция с IDE

VS Code

Установи Python расширение. VS Code автоматически находит Conda environment'ы.

PyCharm

В настройках проекта выбери Python Interpreter → Conda Environment → Existing environment.

Jupyter

Для работы с Jupyter в разных environment'ах:

conda install nb_conda_kernels -n base
conda install ipykernel -n myproject

Теперь в Jupyter будут доступны kernels из всех environment'ов.

Дополнительные ресурсы:

• Официальное руководство по установке Conda
• Miniforge GitHub repository
• Conda-forge download page
• Mambaforge sunset announcement
• Difference between Miniconda and Miniforge
• Mamba documentation
• Conda configuration reference
• Working with environments guide
• Channel priority documentation
• Proxy settings for corporate networks
• Miniforge installation for institutional use
• Python in VS Code tutorial
• PyCharm environment configuration
• Jupyter kernels management
• Conda performance optimization