Conda 环境 Python 版本升级实战指南
修改 Conda 环境的 Python 版本时，最稳妥的方式通常是新建一个环境，而不是直接覆盖旧环境。直接修改虽然省事，但极易引发依赖冲突，导致环境崩溃。下面我结合实战经验，把几种主流方案梳理一下，重点推荐第一种。
方案一：创建新环境（推荐）
这是最安全的路径。既然要换 Python 版本，不如直接开一个新坑，把需要的包装进去。这样旧环境还能留着做对比或回滚。
# 1. 先看看当前有哪些环境
conda info --envs
# 2. 创建指定 Python 版本的新环境
# 这里以 3.9 为例，你可以根据需求调整
conda create -n my_new_env python=3.9
# 3. 激活环境
conda activate my_new_env
# 4. 安装常用包
# 建议按需安装，不要一股脑全装上
conda install pytorch torchvision jupyter matplotlib pandas
# 5. 如果旧环境有特定包列表，可以导出后导入
# conda list --explicit > package-list.txt
# conda create -n my_new_env --file package-list.txt python=3.9
注意：克隆旧环境包列表时，务必加上
python=3.9参数，否则可能还是默认安装旧版 Python。
方案二：原地更新当前环境
如果你确定不想折腾新环境，可以直接在当前环境里升级。但这步风险较高，操作前务必备份。
# 1. 备份当前环境配置（非常重要！）
conda list --explicit > environment_backup.txt
# 2. 更新 conda 自身和所有包
conda update conda
conda update --all
# 3. 安装目标版本的 Python
conda install python=3.9
# 4. 验证版本
python --version
如果这一步报错，通常是因为某些包锁定了旧版 Python，这时候建议回到方案一。
方案三：基于配置文件重建
如果你有 environment.yml 文件，重新生成环境是最规范的做法。这适合团队协作或需要精确复现的场景。
编辑你的 environment.yml，将 Python 版本改为所需值：
name: my_env
channels:
- pytorch
- conda-forge
- defaults
dependencies:
- python=3.9
- pytorch=2.0.1
