conda 环境迁移到 UV 环境

**Miniconda 迁移到 uv** 的完整流程特别针对 **Isaac Lab/Isaac Sim** 环境进行了优化。以下是整理后的标准化操作指南---# Miniconda 到 uv 环境迁移指南 (Isaac Lab 专用)## 第一阶段备份与准备 (Conda 环境)在旧环境中导出依赖列表确保不遗漏任何包。bash# 1. 激活目标 Conda 环境conda activate env_isaaclab# 2. 导出依赖为 requirements.txt (用于 uv 安装)pip freeze ~/conda_requirements.txt# 3. (可选) 导出完整环境信息作为备份conda env export ~/environment_backup.yml## 第二阶段安装与配置 uv使用系统 Python 安装 uv并配置国内镜像源以加速下载。bash# 1. 更新系统包并安装 pip (如果尚未安装)sudo apt updatesudo apt install python3-pip# 2. 安装 uv (使用中科大源)pip install --user uv -i https://pypi.mirrors.ustc.edu.cn/simple# 3. 配置 PATH (永久生效)echo export PATH$HOME/.local/bin:$PATH ~/.bashrc source ~/.bashrc# 4. 验证安装uv --version### 配置 uv 镜像源 (~/.config/uv/uv.toml)由于 Isaac Sim/Lab 依赖特殊的 PyTorch CUDA 版本必须配置双索引源。bashmkdir -p ~/.config/uvcat ~/.config/uv/uv.toml EOF[pip]index-url https://pypi.mirrors.ustc.edu.cn/simpleextra-index-url [https://download.pytorch.org/whl/cu128]EOF## 第三阶段创建 uv 项目与环境bash# 1. 创建项目目录mkdir ~/isaaclab_uv_environment cd ~/isaaclab_uv_environment# 2. 初始化项目uv init# 3. 指定 Python 版本 (需与原 Conda 环境一致此处为 3.11)uv python pin 3.11# 4. 创建并同步虚拟环境 (自动下载 Python 3.11)uv sync## 第四阶段迁移依赖 (关键步骤)由于 Conda 和 pip 的依赖解析机制不同且存在 Isaac Sim 私有包冲突采用**跳过依赖检查**的方式强制安装。bashcd ~/isaaclab_uv_environment# 使用 unsafe-best-match 策略解决多源索引冲突并跳过依赖解析以避免死锁uv pip install --no-deps --index-strategy unsafe-best-match -r ~/conda_requirements.txt **注意**如果安装过程中出现特定包如 certifi版本号不存在的问题请手动编辑 conda_requirements.txt 去掉该包的版本号限制后重试。## 第五阶段验证环境bash# 1. 检查 Python 版本uv run python --version# 2. 检查 PyTorch 与 CUDAuv run python -c import torch; print(fPyTorch: {torch.__version__}); print(fCUDA: {torch.cuda.is_available()})# 3. 检查 Isaac Lab/Simuv run python -c import isaaclab; print(Isaac Lab OK)uv run python -c import isaacsim; print(Isaac Sim OK)## 第六阶段快捷启动配置为了方便日常开发在 ~/.bashrc 中添加别名实现一键进入环境。bash# 编辑 .bashrcnano ~/.bashrc# 添加以下行 (注意替换为你的实际用户名 xyc-dj)alias isaaclab_uvsource /home/xyc-dj/isaaclab_uv_environment/.venv/bin/activate# 刷新配置source ~/.bashrc**使用方法**在终端直接输入 isaaclab_uv 即可激活该虚拟环境。---### 核心优势总结1. **合规性**完全脱离 Anaconda/Miniconda规避公司收费风险。2. **速度**uv 的依赖解析和安装包速度比 pip/conda 快 10-100 倍。3. **隔离性**每个项目拥有独立的 .venv 和 pyproject.toml互不干扰。4. **兼容性**通过 extra-index-url 完美支持 NVIDIA 官方 CUDA 版本的 PyTorch。