安装 Python 包的正确姿势是什么?

[thinkershare]

我正在测试一些机器学习的代码，这个仓库依赖了多个 pip 包，当前使用 conda 管理环境，但我使用 conda 安装环境后发现一堆错误，解决了 A 错误后又出现 B 错误，然后无穷无尽，为了将代码跑起来，配环境这一步就换了几十个小时还是没搞定? 是什么因素导致 python 的包管理如此复杂和杂乱的呢？

[DogLucky]

python 的包应该还是比较好管理的吧

[thinkershare]

@DogLucky 曾经，当我没有运行机器学习的代码的时候也是这么天真的认为的。

[hsfzxjy]

ml 装包老麻烦了，不妨说说是什么包，让我看看

[thinkershare]

@hsfzxjy 我需要使用的多个包相互冲突，因此 python 的版本必须被固定为 3.7,然后需要使用 pytorch 的一系列包和 mayavi ，Windows/macOS/Linux 都需要支持，然后就出了各种诡异错误。

[thinkershare]

@hsfzxjy 最离谱的是 conda 竟然会给我安装一堆错误的依赖，然后要我手动卸载掉，重写用 pip 安装正确的版本，搞得我心态有点爆炸。

[thinkershare]

@hsfzxjy 在我坚持奋斗了很多个小时后，就在刚刚，终于全部搞定了。真的有点无语，感觉这个包管理器就是一坨狗屎。

[V2Micheal]

同感，之前搞深度学习也是环境配了好久好久，版本一直对不上

[hsfzxjy]

ml 的包有很多二进制文件，存在特定的平台 /硬件 /时间版本依赖。我是能用 docker 就用 docker

[halberd]

只用 conda 当作虚拟环境管理器，放弃了包管理功能。
包装多了之后 conda 分析依赖慢到死，绝大部分包优先维护 pip ，conda 和 pip 混用偶尔会出事，所以我现在只用 pip 装包。

[halberd]

而且 conda 的 base 环境尽量少装东西，否则等更新 conda 版本的时候就会后悔了...

[fox0001]

我建议上 docker

[thinkershare]

@halberd conda 安装包，真的是慢的离谱，慢就算了，它还会安装错误，同样的固定版本的包，在 win/mac/linux 竟然只有一个平台可用跑。

[coolair]

我一直觉得 conda 是真难用……

[thinkershare]

@fox0001 我这个玩意有 UI ， 没法用 docker. 而且 CUDA 使用 docker 问题太多，我之前尝试过。后来放弃了，不是你想用就能用的，一堆第三方 C++的 CUDA 依赖项目。

[sadfQED2]

最近几年机器学习的包已经好装很多了。大概 15 年左右，当时我为了安装一个 caffe 环境，花了半个多月的时候捣鼓各种编译问题。当时大部分 ml 库都只能手动编译，根本没有预编译好的。

现在的问题大部分都是版本不匹配，网上一搜就知道咋回事了。

[thinkershare]

@sadfQED2 你说的这种项目估计是很通用的，很多人使用。我跑的项目是 Research 型的，没几个人用，如果搜索引擎能解决，我就不会上来提问了。