ubuntu - 解决 conda 环境卡住

Question

我正在尝试使用以下命令安装 conda 环境:

conda env create -f devenv.yaml

我的 .yaml 文件是

name: myname
channels:
  - conda-forge
  - bioconda
dependencies:
  # Package creation and environment management
  - conda-build
  # Automation control (command line interface, workflow and multi-process management)
  - python-dotenv
  - click
  - snakemake-minimal
  - joblib
  - numba
  # Workspace
  - notebook
  # Visualization
  - plotly
  - plotly-orca
  - matplotlib
  - seaborn
  - shap
  - openpyxl
  - ipywidgets
  - tensorboard
  # Data manipulation
  - numpy
  - pandas
  - pyarrow
  # Functional style tools
  - more-itertools
  - toolz
  # Machine learning
  - scikit-learn
  - imbalanced-learn
  - scikit-image
  - statsmodels
  - catboost
  - hyperopt
  - tsfresh
  # Deep learning
  - pytorch
  # code checking and formatting
  - pylint
  - black
  - flake8
  - mypy
  # Python base
  - python
  - pip
  - pip:

我试图更新 conda 但它没有帮助。它只是坚持解决环境问题。
conda 版本:4.11.0 c
操作系统:Ubuntu 18.04.5 LTS
完全相同的环境在我的 Mac 上运行良好，但在该服务器上却不行。可能是什么问题？我很感激任何建议。谢谢。

Answer 1

这很好地解决了( )，但确实是一个复杂的解决方案，主要是因为:

规范不足

缺乏模块化

规范不足
这个特定的环境规范最终安装了超过 300 个包。并且没有一个受规范约束。这是一个需要解决的巨大 SAT 问题，Conda 将为此苦苦挣扎。 Mamba will help solve faster ，但提供额外的约束可以大大减少解决方案的空间。
至少指定一个 Python 版本(major.minor)，例如 python=3.9 .这是唯一最有效的约束。
除此之外，对中央包(那些依赖于其他包的包)设置最低要求会有所帮助，例如最低限度的 NumPy。
缺乏模块化
我假设名称“devenv”意味着这是一个开发环境。因此，我知道人们想要立即使用所有这些工具。然而，Conda 环境的激活非常简单，而且现在大多数 IDE 工具(Spyder、VSCode、Jupyter)都鼓励将基础架构和执行内核分离。对环境(强调复数)如何组织和协同工作进行更多思考，可以大大有助于建立一个可持续且无痛的数据科学工作流程。
手头的环境在我的书中有多个危险信号:

conda-build应该在 基地 并且仅在 中基地

snakemake应该在专用环境中

notebook (即 Jupyter)应该在专用环境中，与 nb_conda_kernels 共同安装;所有需要的内核环境都是ipykernel

我可能还会将 linting/formatting 包分开，但这不是问题。真正的杀手是 snakemake - 它只是一个庞大的基础设施，我强烈建议将其分开。