Conda para IA: Entornos aislados y mejores prácticas

El desarrollo serio con Inteligencia Artificial requiere un cuidado especial en la gestión de dependencias. Una herramienta clave para esto es Conda, un gestor de paquetes y entornos que permite aislar proyectos, evitando conflictos entre librerías y versiones.

Aunque Conda ofrece muchas funciones, hay principios fundamentales que debes seguir para mantener tu sistema estable y reproducible. A continuación, exploraremos las mejores prácticas para gestionar tus entornos, la elección correcta de Python y cómo funciona el sistema subyacente.

La regla de oro: Nunca uses el entorno base

El primer consejo es directo: nunca instales paquetes directamente en tu entorno base. Instalar librerías como tensorflow, pytorch o cuda allí puede romper la funcionalidad de Conda mismo o crear conflictos con otros proyectos.

En su lugar, crea entornos específicos para cada proyecto. Por ejemplo:

conda create -n ia_env python=3.11
conda activate ia_env

Elige la versión de Python correcta

Una vez que tienes tus entornos, surge la pregunta sobre qué versión de Python usar. Para trabajo serio con IA, la recomendación es utilizar Python 3.10 o 3.11.

Aunque a veces se promocionan versiones más nuevas como «más rápidas», esto no tiene sentido en el contexto actual del desarrollo de IA. Las librerías principales como PyTorch, TensorFlow y CUDA suelen estar atrasadas entre 6 y 18 meses respecto al último Python disponible. Usar una versión bleeding-edge como Python 3.14 te traerá frustraciones constantes con wheels faltantes e incompatibilidades.

Python 3.11 es el punto óptimo hoy en día: ofrece un buen rendimiento, soporte de ecosistema completo y estabilidad a largo plazo.

Cómo funciona Conda: Hard links vs. Copias

Aunque creas múltiples entornos virtuales, Conda no duplica innecesariamente tus archivos. Utiliza un mecanismo llamado hard linking. Esto significa que si dos entornos tienen la misma versión de un paquete (por ejemplo, numpy 1.24), ambos apuntan al mismo archivo físico en el sistema de archivos.

Esto ahorra espacio y acelera las instalaciones. Solo cuando Conda necesita una versión diferente o distinta del paquete, realiza una copia completa. Cada entorno mantiene su propia «vista» de sus paquetes, por lo que actualizar un paquete en un entorno no afecta a los otros entornos que están usando la versión anterior.

Verificando tus entornos

Para poner todo esto en práctica y mantener el orden, puedes usar herramientas para inspeccionar tu sistema. Un método útil es ejecutar un script Bash que recorra todos los entornos instalados y muestre la versión de paquetes específicos.

Aquí tienes un ejemplo práctico:

#!/bin/bash
PAQUETE="numpy"
conda env list | awk '{print $1}' | grep -v "#" | while read ENV; do
    VERSION=$(conda list -n "$ENV" "$PAQUETE" 2>/dev/null | awk -v pkg="$PAQUETE" '$1 == pkg {print $2}')
    echo "🔹 $ENV → $PAQUETE $VERSION"
done

Este enfoque te permite ver claramente qué entornos usan qué versiones, asegurando que tu flujo de trabajo sea limpio y predecible.