訣竅與提示

使用多個頻道

從 conda-forge 安裝套件是很常見的，但當嘗試使用它時，會看到類似（OS X 範例）這樣的錯誤

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

發生這種情況是因為 icu 的正確版本，或錯誤中的任何其他套件，不存在，或是該套件完全遺失。

您可以透過發出命令 conda list 並搜尋有問題的套件來確認這一點。

為什麼會這樣？

conda-forge 和 defaults 並非 100% 相容。在上面的範例中，已知 defaults 使用 icu 54.*，而 conda-forge 則依賴 icu 56.*，當安裝環境混合來自多個頻道的套件時，這種不匹配可能會導致錯誤。

注意

所有 conda-forge 軟體釘選都可以在這裡找到： https://github.com/conda-forge/conda-forge-pinning-feedstock/blob/master/recipe/conda_build_config.yaml

如何修復？

較新的 conda 版本（>=4.6）引入了嚴格的頻道優先順序功能。輸入 conda config --describe channel_priority 以取得更多資訊。

解決方案是在您的 .condarc 檔案中，當使用 conda-forge 套件時，將 conda-forge 頻道添加到 defaults 之上，並使用以下命令啟用嚴格的頻道優先順序

$ conda config --set channel_priority strict

這將確保所有依賴項都來自 conda-forge 頻道，除非它們僅存在於 defaults 上。

以下是 .condarc 檔案的外觀範例

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

除了頻道優先順序之外，我們還建議始終在新環境中安裝套件，而不是從 anaconda/miniconda 安裝到 base 環境中。使用環境可以更輕鬆地偵錯套件問題，並確保根環境的穩定性。

:::

使用外部訊息傳遞介面 (MPI) 程式庫

在某些高效能運算 (HPC) 系統上，使用者應使用系統上可用的 MPI 二進位檔，而不是 conda-forge 建置的那些。這些二進位檔通常針對系統進行了特殊化，並與工作排程器等正確介面。但是，這種做法會為 conda-forge 使用者帶來問題。當您從 conda-forge 安裝依賴 MPI 的套件時，conda 將安裝 conda-forge 建置的 MPI 二進位檔，並且該套件將連結到這些二進位檔。這種設定通常在 HPC 系統上根本無法運作，或以非預期的方式運作。

為了解決這些問題，conda-forge 建立了 mpich 和 openmpi 程式庫的特殊虛擬建置版本，它們只是沒有內容的 shell 套件。這些套件允許 conda solver 產生正確的環境，同時避免從 conda-forge 安裝 MPI 二進位檔。您可以使用以下命令安裝虛擬套件

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

只要您的連結路徑中有 mpich/openmpi 程式庫的本機副本，並且本機版本在適當的 ABI 範圍內與 conda 版本相符，則此程序應可運作。在執行時，依賴 MPI 的 conda-forge 套件應找到 mpich/openmpi 的本機副本並連結到它。

使用針對系統特殊化的您自己的 MPI 二進位檔的另一個重點是，如果您關心極致效能，則應自行建置/安裝 MPI 後端，而不是依賴 conda-forge 套件（它們是為了相容性而不是效能而建置的）。由於 conda-forge 套件的受限建置環境，因此可能缺少 mpich 和 openmpi 的 XPMEM 和 CMA 等重要功能。

在 Apple Silicon 上安裝 Apple Intel 套件

使用 Rosetta 2，您可以在配備 Apple silicon 處理器的 Mac 電腦上安裝最初為配備 Intel 處理器的 Mac 電腦編譯的套件。

可以針對每個環境使用以下命令啟用此功能

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.

若要驗證是否正在使用正確的平台，請在環境啟用後執行以下命令

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

安裝啟用 CUDA 的套件，例如 TensorFlow 和 PyTorch

在 conda-forge 中，某些套件提供 GPU 支援。這些套件不僅需要更長的時間來編譯和建置，而且還會產生相當大的二進位檔，使用者隨後會下載這些檔案。為了最大限度地提高連線速度較慢和/或儲存頻寬較低的使用者的可訪問性，目前正在努力預設限制在僅限 CPU 的機器上不必要地安裝為 GPU 編譯的套件。這是透過新增 虛擬套件 執行依賴項 __cuda 來完成的，該依賴項會偵測本機機器是否具有 GPU。但是，這為可能仍然希望下載和使用啟用 GPU 的套件（即使在非 GPU 機器上）的使用者帶來了挑戰。例如，HPC 上的登入節點通常沒有 GPU，而具有 GPU 的運算對應節點通常沒有網際網路存取權。在這種情況下，使用者可以透過環境變數 CONDA_OVERRIDE_CUDA 覆寫預設設定，以便在登入節點上安裝 GPU 套件，以供稍後在運算節點上使用。在撰寫本文時（2022 年 2 月），我們得出的結論是，這種安全的預設行為最適合大多數 conda-forge 使用者，並且提供了一個簡單的覆寫選項並記錄在案。如果您對此有任何想法或問題，請告訴我們。

為了覆寫預設行為，使用者可以設定環境變數 CONDA_OVERRIDE_CUDA，如下所示，即使在僅限 CPU 的機器上也能安裝具有 GPU 支援的 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

有關更多資訊，請參閱 相關的 CUDA 使用者指南。

對於上下文，安裝 TensorFlow 2.7.0 啟用 CUDA 的變體 tensorflow==2.7.0=cuda*，會導致大約 2 GB 的套件下載，而 CPU 變體 tensorflow=2.7.0=cpu*，會導致大約 200 MB 的下載。如果只需要 CPU 變體，這將浪費大量的頻寬和儲存空間！

使用 PyPy 作為直譯器

conda-forge 頻道支援使用 PyPy 直譯器 建立套件並將其安裝到環境中。許多套件已經可用。您需要啟用 conda-forge 頻道，並在建立環境時使用 pypy 識別碼

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

目前支援的 python 版本為 3.8 和 3.9。已放棄對 pypy3.7 的支援。雖然您仍然可以建立 python 3.7 環境，但您將不會獲得更新，因為新套件版本已發布（包括 pypy 本身）。

注意

截至 2020 年 3 月 8 日，如果您使用 defaults 作為低優先順序頻道，則需要使用嚴格的頻道優先順序，因為 defaults 中的元數據尚未修補，這允許 cpython 擴充套件與 pypy 一起安裝。

$ conda config --set channel_priority strict