Conda安装冲突要求

Question

我正在尝试使用CONDA来创建PIP需求文件的环境。文件的内容为

supports.txt

numpy==1.18.2
torch==1.4.0
torchvision==0.5.0
scikit-learn==0.22.2.post1
Pillow==8.3.2
pydicom==1.4.2
pandas==1.0.3

运行该命令

conda create -n $name --file requirements.txt

给出packagenotfound错误，因为缺少频道。

我该如何修改这个？

Answer 1

可能的问题

存在一些潜在的问题。

conda pytorch

首先，并非conda中的所有软件包都以与其他存储库相同的名称使用。部分原因是Conda是一个通用软件包存储库的性质，而不是特定于语言的存储库。特别是，火炬模块是通过conda pytorch软件包传递的。

因此必须改变。

numpy版本不可用，

默认值或 conda-forge 频道似乎都不可用。

$ mamba search numpy=1.18.2
No match found for: numpy=1.18.2. Search: *numpy*=1.18.2

PackagesNotFoundError: The following packages are not available from current channels:

  - numpy=1.18.2

Current channels:

  - https://conda.anaconda.org/conda-forge/osx-64
  - https://conda.anaconda.org/conda-forge/noarch
  - https://conda.anaconda.org/bioconda/osx-64
  - https://conda.anaconda.org/bioconda/noarch
  - https://repo.anaconda.com/pkgs/main/osx-64
  - https://repo.anaconda.com/pkgs/main/noarch
  - https://repo.anaconda.com/pkgs/r/osx-64
  - https://repo.anaconda.com/pkgs/r/noarch

为什么会发生这种情况？对于大多数Python包装，Conda都在PYPI存储库的下游工作。当新版本发布时，Conda Forge机器人（例如）将自动生成相应的原料请求。有时，这些不仅仅是“工作”，需要进行一些故障排除才能构建。有时，使构建工作正常工作的过程不会在新版本命中之前完成。这导致了一个较新的拉力请求，将上一个请求取代，并可能导致放弃旧的拉力请求。这会导致Conda Forge的PYPI覆盖范围，并且IS 确切发生了什么在这里。

如果您可以忍受其他版本， conda-forge 确实提供v1.18.1（下图）和v1.18.4（上图）。

否则，如果您需要精确复制软件包版本，则必须从PYPI中源。我最后显示。

频道问题

缺少通道

OP不会指示通道配置。例如，torchvision == 0.5.0软件包，仅通过 pytorch 频道可用。

蒙版通道

这里的另一个问题可能是使用channel_priority：strict设置。如果使用此设置，则可能仅仅是因为SAT求解器排除了所需版本的频道，仅仅是因为软件包（但不正确的版本）可以在较高的优先级频道中提供。如今，channel_priority：flexible是默认值，可以设置：

conda config --set channel_priority flexible

解决方案

精确复制（仅PYPI）

给出包装名称和版本，这些软件包可能起源于PYPI。如果您需要精确复制原始环境（例如，为了再现科学结果），我建议您从PYPI中采购所有内容。最好的方法是使用conda来源python和pip，然后让pip安装unignts.txt。

从包装版本来看，我们正在谈论Python 3.7或3.8。只需python = 3.8，您可能会很好，但是[精确的猜测来自发布日期将是python = 3.8.2。因此，尝试类似的内容：

emoverument.yaml

name: my_env
channels:
  - conda-forge
dependencies:
  - python=3.8.2
  - pip
  - pip:
    - -r requirements.txt

创建环境

conda env create -n $name -f environment.yaml

，然后通过确保support.txt在使用YAML的文件夹中

。如果稍后将软件包添加到此环境中，我建议仅使用pip install。否则， conda可能有问题。

/

假设numpy = 1.18.2可以替换，只有conda的环境可以替换，仅conda的环境可能是：

emoveration.yaml <

name: my_env
channels:
  - pytorch
  - conda-forge
dependencies:
  - python=3.8
  - numpy=1.18.1  # alternatively, 1.18.4
  - pytorch=1.4.0
  - torchvision=0.5.0
  - scikit-learn=0.22.2.post1
  - pillow=8.3.2
  - pydicom=1.4.2
  - pandas=1.0.3

strong ，请注意：

conda env create -n $name -f environment.yaml

请注意： yaml仅使用一个=。如果您打算以 ad hoc 方式通过conda安装其他软件包（例如，conda install），这将是最好的方法。

混合的conda-pip环境

您也可以尝试一个与最后一个环境相似的混合环境，但是PIP专门提供numpy == 1.18.2。我不建议这样做，因为其他带有Conda的numpy的依赖性肯定会带来Numpy，然后PIP会抓住它以提供确切的版本。