技巧与提示

使用多个频道

通常从 conda-forge 安装软件包，并在尝试使用时看到类似（OS X 示例）的错误

ImportError: dlopen(.../site-packages/rpy2/rinterface/_rinterface.so, 2): Library not loaded: @rpath/libicuuc.54.dylib
  Referenced from: .../site-packages/rpy2/rinterface/_rinterface.so
  Reason: image not found

发生这种情况是因为 icu 的正确版本或错误中的任何其他软件包不存在，或者该软件包完全缺失。

您可以通过发出命令 conda list 并搜索有问题的软件包来确认这一点。

为什么会发生这种情况？

conda-forge 和 defaults 不是 100% 兼容的。在上面的示例中，已知 defaults 使用 icu 54.*，而 conda-forge 依赖于 icu 56.*，当安装环境混合来自多个频道的软件包时，这种不匹配可能会导致错误。

注意

所有 conda-forge 软件 pinning 都可以在这里找到：https://github.com/conda-forge/conda-forge-pinning-feedstock/blob/master/recipe/conda_build_config.yaml

如何修复？

较新的 conda 版本（>=4.6）引入了严格的频道优先级功能。输入 conda config --describe channel_priority 获取更多信息。

解决方案是在使用 conda-forge 软件包时，在您的 .condarc 文件中将 conda-forge 频道添加到 defaults 之上，并使用以下命令激活严格的频道优先级

$ conda config --set channel_priority strict

这将确保所有依赖项都来自 conda-forge 频道，除非它们仅存在于 defaults 上。

以下是 .condarc 文件的外观

$ cat .condarc
channel_priority: strict
channels:
  - conda-forge
  - defaults

除了频道优先级之外，我们还建议始终在新环境而不是 anaconda/miniconda 的 base 环境中安装软件包。使用 envs 可以更轻松地调试软件包问题，并确保根环境的稳定性。

:::

使用外部消息传递接口 (MPI) 库

在某些高性能计算 (HPC) 系统上，用户应使用系统上可用的 MPI 二进制文件，而不是 conda-forge 构建的那些。这些二进制文件通常针对系统进行了专门化，并与作业调度程序等正确接口。但是，这种做法给 conda-forge 用户带来了问题。当您从 conda-forge 安装依赖于 MPI 的软件包时，conda 将安装由 conda-forge 构建的 MPI 二进制文件，并且该软件包将链接到这些二进制文件。这种设置通常根本不起作用，或者在 HPC 系统上以意想不到的方式运行。

为了解决这些问题，conda-forge 创建了 mpich 和 openmpi 库的特殊虚拟构建，它们只是没有内容的 shell 软件包。这些软件包允许 conda 求解器生成正确的环境，同时避免从 conda-forge 安装 MPI 二进制文件。您可以使用以下命令安装虚拟软件包

$ conda install "mpich=x.y.z=external_*"
$ conda install "openmpi=x.y.z=external_*"

只要您的链接路径中具有 mpich/openmpi 库的本地副本，并且本地版本在适当的 ABI 范围内与 conda 版本匹配，那么此过程应该有效。在运行时，依赖于 MPI 的 conda-forge 软件包应该找到 mpich/openmpi 的本地副本并链接到它。

使用您自己的针对系统专门化的 MPI 二进制文件的另一点是，如果您关心最终性能，则应自己构建/安装 MPI 后端，而不是依赖 conda-forge 软件包（它们是为了兼容性而不是性能而构建的）。由于 conda-forge 软件包的受限构建环境，可能会缺少诸如 mpich 的 XPMEM 和 openmpi 的 CMA 等重要功能。

在 Apple Silicon 上安装 Apple Intel 软件包

使用 Rosetta 2，您可以在配备 Apple 芯片的 Mac 电脑上安装最初为配备 Intel 处理器的 Mac 电脑编译的软件包。

可以使用以下命令为每个环境启用此功能

CONDA_SUBDIR=osx-64 conda create -n your_environment_name python   # Create a new environment called your_environment_name with intel packages.
conda activate your_environment_name
python -c "import platform;print(platform.machine())"  # Confirm that the correct values are being used.
conda config --env --set subdir osx-64  # Make sure that conda commands in this environment use intel packages.

要验证是否正在使用正确的平台，请在激活环境后运行以下命令

python -c "import platform;print(platform.machine())"  # Should print "x86_64"
echo "CONDA_SUBDIR: $CONDA_SUBDIR"  # Should print "CONDA_SUBDIR: osx-64"

安装 CUDA 启用的软件包，如 TensorFlow 和 PyTorch

在 conda-forge 中，某些软件包提供 GPU 支持。这些软件包不仅编译和构建时间明显更长，而且还会导致用户下载的二进制文件相当大。为了最大限度地提高连接和/或存储带宽较低的用户的可访问性，目前正在努力默认限制在仅 CPU 机器上不必要地安装为 GPU 编译的软件包。这是通过添加 虚拟软件包 运行依赖项 __cuda 来实现的，该依赖项检测本地机器是否具有 GPU。但是，这给可能仍然希望下载和使用 GPU 启用软件包（即使在非 GPU 机器上）的用户带来了挑战。例如，HPC 上的登录节点通常没有 GPU，而具有 GPU 的计算对应节点通常没有互联网访问。在这种情况下，用户可以Override 默认设置，通过环境变量 CONDA_OVERRIDE_CUDA 在登录节点上安装 GPU 软件包，以便稍后在计算节点上使用。在撰写本文时（2022 年 2 月），我们得出结论，对于大多数 conda-forge 用户来说，这种安全的默认行为是最好的，并且提供了易于使用的Override 选项并进行了文档记录。如果您对此有任何想法或问题，请告知我们。

为了Override 默认行为，用户可以像下面这样设置环境变量 CONDA_OVERRIDE_CUDA，即使在只有 CPU 的机器上也能安装带有 GPU 支持的 TensorFlow。

CONDA_OVERRIDE_CUDA="<CUDA version>" conda install tensorflow -c conda-forge
# OR
CONDA_OVERRIDE_CUDA="<CUDA version>" mamba install tensorflow -c conda-forge

注意

有关更多信息，请参阅相关的 CUDA 用户指南。

对于上下文，安装 TensorFlow 2.7.0 CUDA 启用变体 tensorflow==2.7.0=cuda* 会导致大约 2 GB 的软件包下载，而 CPU 变体 tensorflow=2.7.0=cpu* 会导致大约 200 MB 的下载。如果只需要 CPU 变体，那将是大量的带宽和存储浪费！

使用 PyPy 作为解释器

conda-forge 频道支持使用 PyPy 解释器 创建软件包并将其安装到环境中。许多软件包已经可用。您需要启用 conda-forge 频道并在创建环境时使用 pypy 标识符

$ conda create -c conda-forge -n my-pypy-env pypy python=3.8
$ conda activate my-pypy-env

目前支持的 python 版本是 3.8 和 3.9。已停止支持 pypy3.7。虽然您仍然可以创建 python 3.7 环境，但您将不会获得更新，因为新的软件包版本已发布（包括 pypy 本身）。

注意

截至 2020 年 3 月 8 日，如果您使用 defaults 作为低优先级频道，那么您需要使用严格的频道优先级，因为 defaults 中的元数据尚未修补，这允许 cpython 扩展软件包与 pypy 一起安装。

$ conda config --set channel_priority strict