在深度学习开发中，不同项目（如CNN、Transformer训练、模型部署）常需隔离依赖，而克隆基础环境能快速复用通用包（如数据处理、可视化工具），避免重复配置。

一、配置base基础环境

1. 创建requirements.txt，写入通用基础包：

autopep8
numpy
pandas
tqdm
pandas
matplotlib
Pillow
seaborn
ipympl
ipykernel

2. 激活base环境，批量安装：

pip install -r requirements.txt

二、克隆环境

1. 核心克隆命令

基于base环境克隆，直接复用所有基础包，无需重新安装：

conda create -n 环境名 --clone base

• --clone base：明确从base环境复制所有依赖和配置；
• 环境名建议按项目命名（如yolo_train、bert_finetune），便于区分。

2. 为什么必须克隆，不直接用base？

• 深度学习框架（TensorFlow、PyTorch等）对依赖版本要求严格，易与conda核心依赖冲突，搞崩base环境（比如TensorFlow可能篡改numpy版本，导致conda命令失效）；
• 不同项目需不同框架版本（如项目A用TF2.8，项目B用TF2.10），克隆环境可隔离依赖，互不影响；
• 环境崩了直接删了重克隆，修复成本低，不影响base和其他项目。

三、批量管理关键命令

1. 激活环境：conda activate 环境名；
2. 安装框架/依赖：激活后用conda install tensorflow或pip install torch（优先conda，兼容性更好）；
3. 导出环境（供他人复用）：conda env export > 环境名.yaml；
4. 从 yaml 文件创建环境：conda env create -f 环境名.yaml；
5. 查看所有环境：conda info --envs；
6. 删除无用环境：conda remove -n 环境名 --all。