pip install -r requirements.txt 最稳妥，因conda install --file对包名格式、版本号、注释行敏感，不支持pip语法（如>=、url、pep 508标记），易报错中断；pip则兼容性强，支持注释、可选依赖、条件标记等。
直接用 pip install -r requirements.txt 最稳妥，别一上来就硬上 conda install --file —— 它对包名、版本号、注释行都更敏感，容易卡住。
为什么 conda install --file requirements.txt 经常失败
这个命令要求 requirements.txt 里的每一行都必须是 conda 能识别的包名格式（比如 numpy=1.21.0），不能有 pip 风格的写法（如 torch>=2.0.0、requests[security]、带 URL 的包、PEP 508 环境标记），也不支持 # 开头的注释行。一旦某行不合规，整个命令就中断，报 PackageNotFoundError 或 UnsatisfiableError。
- 常见错误现象：
CondaValueError: could not parse 'torch==2.0.0+cu118' as a version、ResolvePackageNotFound - 它不会跳过错误行，也不会自动 fallback 到 pip
- 即使你用了清华源，也解决不了语法不兼容问题
pip install -r requirements.txt 是默认首选
绝大多数 Python 项目生成的 requirements.txt 都是 pip 格式，pip 对语法宽容得多：支持注释、可选依赖、URL 包、PEP 508 条件、甚至本地路径。只要你的环境里有 pip（conda 创建的环境默认自带），就该优先用它。
- 确保你在目标虚拟环境中执行：
conda activate myenv后再运行pip install -r requirements.txt - 如果包里含 C 扩展（如
numpy、scipy），pip 会自动下载对应平台的 wheel，比 conda 更快匹配 - 遇到个别 conda-only 包（如
mkl、blas）装不上？先跳过，后续单独用conda install补
真要用 conda 批量装，得预处理 requirements.txt
如果你明确需要 conda 生态（比如要统一 MKL、CUDA 工具链），就不能直接喂原始文件。得先清洗或转换：
- 删掉所有
#开头的注释行和空行 - 把
pkg>=x.y改成pkg x.y（conda 不认>=） - 把
torch==2.0.0+cu118拆成pytorch（conda channel 里叫这个名字） - 把
git+https://...这类行手动替换为 conda 可安装的等价包，或干脆删掉留待后续手动处理 - 清洗后保存为
requirements_conda.txt，再执行：conda install --yes --file requirements_conda.txt
混合安装时的 fallback 写法（慎用）
网上流传的 while read r; do conda install --yes $r || pip install $r; done 看似聪明，实则风险高：
- 变量未引号包裹，含空格或特殊字符的包名会崩（如
scikit-learn可能被拆成scikit-和learn） - conda 安装失败后 pip 会尝试装同一行（比如
torch==2.0.0+cu118），而 pip 也解不了这个版本字符串，最终两败俱伤 - 没有去重、无日志、无法回溯哪一行出了问题
- 真正可靠的做法是：先用 pip 主流程装，再人工检查
conda list输出，对关键包（如numpy、pytorch）用 conda 单独重装以保证底层一致
最易被忽略的一点：requirements.txt 里混着 -e . 或 -r other.txt 这类 pip 特有指令，conda 完全不认识——它们会在 pip 流程里生效，但在 conda 流程里直接报错。别指望一条命令包打天下，得看清楚文件内容再选工具。
