我正在尝试跨不同操作系统重新创建环境。使用
conda env export --from-history
,我创建了以下 yml 文件:
name: mlflow_env
channels:
- conda-forge
dependencies:
- numpy
- lightgbm
- squarify
- holidays
- lunardate
- lunarcalendar
- sqlalchemy
- pandas
- geopy
- pgeocode
- psycopg2
- cython
- scikit-learn
- mlflow
- pyarrow
一旦我在两个系统中的任何一个上运行
conda env create --file conda_lt.yml python=3.9
,就需要几个小时来解决环境问题,最终解决了这个问题。
但是如果我尝试运行
conda create -c conda-forge -n mlflow_env numpy lightgbm squarify holidays lunardate lunarcalendar sqlalchemy pandas geopy pgeocode psycopg2 cython scikit-learn mlflow pyarrow
,解决环境问题需要不到30秒。
根据我的理解,这两个命令实际上应该产生相同的环境,所以我想知道有什么区别以及为什么
yml
安装速度慢得多。当然,欢迎任何使 yml
安装与其他安装一样快的建议。
也许你可以试试这个。我刚刚尝试过,现在可以使用了!
conda update conda
conda update conda-build
conda install -n base conda-libmamba-solver
conda config --set solver libmamba
这个问题对我帮助很大:https://github.com/conda/conda/issues/11919