conda-forge 核心会议 2023-11-29
在 Your __new__() agenda items
标题下添加新的议程项
与会者
姓名 | 首字母 | GitHub ID | 隶属关系 |
---|---|---|---|
Daniel Ching | DJC | carterbox | 阿贡国家实验室 |
Bianca Henderson | BH | beeankha | Anaconda |
Marcel Bargull | MB | mbargull | Bioconda/cf |
Marcelo Trevisani | MDT | marcelotrevisani | conda-forge |
Marius van Niekerk | MvN | mariusvniekerk | Voltron Data / cf |
Cheng H. Lee | CHL | chenghlee | Anaconda/cf |
John Kirkham | JK | jakirkham | cf/NVIDIA |
Matthew R Becker | MRB | beckermr | cf |
Dave Clements | DPC | tnabtaf | Anaconda |
Wolf Vollprecht | WV | wolfv | prefix.dev |
共 13 人
常设事项
- [ ]
来自上次会议
- (JK) Miniforge 23.10
- https://github.com/conda-forge/miniforge/issues/511
- 受 conda-build 阻碍,conda-libmamba-solver 交互存在缺陷;预计 conda 23.11 将修复这些问题。
- (JRG) 如果没有用户需求/紧急情况,我们应该等到 conda 在未来几天发布。
- (JK) 推迟到下次核心会议
- (JK) NumPy 2.0
- https://github.com/numpy/numpy/pull/24861#issuecomment-1776781838
- 预计上游
numpy
2.0 版本将于 2023 年末/2024 年初发布,因此我们应该准备好处理这个问题。 - 作为一个小组,我们应该决定我们希望 numpy 做什么,并将此记录为新的 numpy 问题或评论网页仓库问题( https://github.com/conda-forge/conda-forge.github.io/issues/1997 )。
- (JRG) 新的 conda-forge.org 计划
- https://github.com/conda-forge/conda-forge.github.io/issues/1971
- 旧的红色/橙色 + 绿色组合存在可访问性问题
- 在迁移到新框架时,请确保我们不会破坏(永久)链接
- 寻找另一种远离红色+黑色的强调色。
- 大家可能也对蓝色和绿色感到满意
- 橙色在一般情况下存在一些可访问性问题
- 一些调色板
- 状态页面:进度条应将“在 PR 中”计为完成
- 文档深处的一些交叉链接不起作用。
- (HV) 如何处理 Alma 8 的 CDT (待办事项)
-
理想情况下,制作一份包含 CDT 的清单,以检查我们是否可以将每个 CDT 切换到 conda 软件包。
-
在选择构建哪些 CDT 软件包与重新打包哪些 CDT 软件包时,我们应该考虑/使用哪些约束/标准?
- 通常,避免构建“过于接近硬件”的软件包
- 否则,像我们对 X11 软件包所做的那样从源代码构建。
- 需要弄清楚我们要构建哪些版本(“足够旧”和/或与 Alma 8 ABI 匹配)
- 对于哪些构建的软件包,我们可以/可以安全地忽略
run_exports
?(本质上,运行时未拉入的host
-only 软件包。)
-
生成列表不会是一项单人任务。将需要多个社区成员的投入。
-
这将是一项大量的工作,因此我们应该立即开始。
-
正在进行的投票
- [ ]
您的 __new__()
议程项
- (JK) CUDA Docker 镜像
- Nvidia 正在移除 CentOS 8 镜像,因为发行版已达到 EOL;唯一保留的镜像将是 UBI8、Rocky Linux。
- 当前已将 conda-forge 切换到 UBI8
- “仅对” CUDA 11 重要。几年后,我们应该已过渡到 CUDA 的 conda 软件包,并消除了对 Docker 镜像的需求。
- (DJC) CUDA arch 目标和修剪 CUDA arch 的策略
- https://github.com/conda-forge/conda-forge.github.io/issues/1901
- 某些软件包在针对许多 CUDA 架构时,体积过大,无法在 6 小时的 CI 限制内构建
- 示例包括 libmagma、libtorch
- 维护人员并不总是知道 CUDA 真实/虚拟架构如何工作
- 某些项目没有默认的目标 CUDA arch
- 链接的讨论是关于当上游项目没有默认值时应该针对哪些 CUDA arch,以及为了在 6 小时内完成构建,应该以什么顺序删除 arch
- 我们能否为(feedstock)维护人员提供更好的关于应该针对哪些 CUDA arch 的指导?
- 解决 6 小时以上构建时间的一些方案
- 将 libtorch 构建 Python 扩展与 libtorch 分开(目前上游不支持;需要工作,不清楚需要多少工作,待询问)
- 使用即将推出的 GPU 服务器在那里运行构建(没有时间限制)
- 让 archspec 检测 CUDA arch 将使其中一些讨论变得毫无意义,并缓解 6 小时限制
- 虚拟软件包使软件包的可移植性降低
- 目前没有策略;暂时使用私有服务器;调查帮助 pytorch 分裂;查看 cudarchspec 软件包
推迟到下次会议
- (JK) Miniforge 23.10
- (JK) CUDA 11.8
- (JK) CUDA 12.x
- (JK) Conda + libmamba
- (JK) Quay 上 Alma 镜像的公开可见性
- (HV) 存档 k* 生态系统(请参阅此处的最后一条评论 here,有来自核心团队的五个 +1 赞)
- 死气沉沉,一直是迁移的头痛问题
- 存档是可逆的,所以我们最终咬紧牙关解决这个问题?
- 如果有人想复活,可以在 feedstock README(或置顶问题)中留下说明;尽管这不太可能...
- (HV)
error_overlinking: true
的迁移?- 已经在 staged-recipes 中为新的 feedstock 设置了,也应该推广到现有的 feedstock(最终)。
- 这将是一个很好的机会来进行
{{ stdlib }}
相关的更改(例如,删除到 C/C++ stdlib 的隐式 run-export --> 必须在 recipe 中指定,error_overlinking
将找到缺失的实例;如果不是必需的,软件包依赖项将通过迁移而精简 🥳)
CFEPs
- [ ]