我不断收到ResolvePackageNotFound

问题描述 投票：0回答：3

当我输入 

conda env create -f environment.yml

我不断得到

Collecting package metadata (repodata.json): done Solving environment: failed

ResolvePackageNotFound:
  - tk==8.6.8=hbc83047_0
  - zlib==1.2.11=h7b6447c_3
  - av==8.0.2=py37h06622b3_4
  - lame==3.100=h7f98852_1001
  - xz==5.2.4=h14c3975_4
  - mkl_random==1.0.2=py37hd81dba3_0
  - x264==1!152.20180806=h14c3975_0
  - numpy-base==1.16.4=py37hde5b4d6_0
  - certifi==2020.12.5=py37h06a4308_0
  - _openmp_mutex==4.5=1_llvm
  - llvm-openmp==11.0.0=hfc4b9b4_1
  - freetype==2.9.1=h8a8886c_1
  - scikit-learn==0.22.1=py37hd81dba3_0
  - libgfortran-ng==7.3.0=hdf63c60_0
  - readline==7.0=h7b6447c_5
  - mkl_fft==1.0.12=py37ha843d7b_0
  - libpng==1.6.37=hbc83047_0
  - libedit==3.1.20181209=hc058e9b_0
  - libffi==3.2.1=hd88cf55_4
  - nettle==3.6=he412f7d_0
  - gnutls==3.6.13=h85f3911_1
  - python==3.7.3=h0371630_0
  - gmp==6.2.1=h58526e2_0
  - _libgcc_mutex==0.1=conda_forge
  - libgcc-ng==9.3.0=h5dbcf3e_17
  - mkl-service==2.3.0=py37he904b0f_0
  - ffmpeg==4.3.1=h3215721_1
  - openh264==2.1.1=h8b12597_0
  - mkl==2019.4=243
  - numpy==1.16.4=py37h7e9f1db_0
  - ca-certificates==2020.12.8=h06a4308_0
  - libiconv==1.16=h516909a_0
  - intel-openmp==2019.4=243
  - libstdcxx-ng==9.1.0=hdf63c60_0
  - zstd==1.3.7=h0b5b093_0
  - ncurses==6.1=he6710b0_1
  - jpeg==9b=h024ee3a_2
  - openssl==1.1.1i=h27cfd23_0
  - bzip2==1.0.8=h7f98852_4
  - sqlite==3.28.0=h7b6447c_0
  - libtiff==4.0.10=h2733197_2

我该怎么办？

我的

yml
文件是：

name: StyleFlow
channels:
  - anaconda
  - defaults
  - conda-forge
dependencies:
  - _libgcc_mutex=0.1=conda_forge
  - _openmp_mutex=4.5=1_llvm
  - av=8.0.2=py37h06622b3_4
  - blas=1.0=mkl
  - bzip2=1.0.8=h7f98852_4
  - ca-certificates=2020.12.8=h06a4308_0
  - certifi=2020.12.5=py37h06a4308_0
  - ffmpeg=4.3.1=h3215721_1
  - freetype=2.9.1=h8a8886c_1
  - gmp=6.2.1=h58526e2_0
  - gnutls=3.6.13=h85f3911_1
  - intel-openmp=2019.4=243
  - joblib=0.14.1=py_0
  - jpeg=9b=h024ee3a_2
  - lame=3.100=h7f98852_1001
  - libedit=3.1.20181209=hc058e9b_0
  - libffi=3.2.1=hd88cf55_4
  - libgcc-ng=9.3.0=h5dbcf3e_17
  - libgfortran-ng=7.3.0=hdf63c60_0
  - libiconv=1.16=h516909a_0
  - libpng=1.6.37=hbc83047_0
  - libstdcxx-ng=9.1.0=hdf63c60_0
  - libtiff=4.0.10=h2733197_2
  - llvm-openmp=11.0.0=hfc4b9b4_1
  - mkl=2019.4=243
  - mkl-service=2.3.0=py37he904b0f_0
  - mkl_fft=1.0.12=py37ha843d7b_0
  - mkl_random=1.0.2=py37hd81dba3_0
  - natsort=6.0.0=py_0
  - ncurses=6.1=he6710b0_1
  - nettle=3.6=he412f7d_0
  - numpy=1.16.4=py37h7e9f1db_0
  - numpy-base=1.16.4=py37hde5b4d6_0
  - olefile=0.46=py37_0
  - openh264=2.1.1=h8b12597_0
  - openssl=1.1.1i=h27cfd23_0
  - pip=19.1.1=py37_0
  - python=3.7.3=h0371630_0
  - python_abi=3.7=1_cp37m
  - readline=7.0=h7b6447c_5
  - scikit-learn=0.22.1=py37hd81dba3_0
  - setuptools=41.0.1=py37_0
  - sqlite=3.28.0=h7b6447c_0
  - tk=8.6.8=hbc83047_0
  - wheel=0.33.4=py37_0
  - x264=1!152.20180806=h14c3975_0
  - xz=5.2.4=h14c3975_4
  - zlib=1.2.11=h7b6447c_3
  - zstd=1.3.7=h0b5b093_0
  - pip:
    - absl-py==0.7.1
    - appdirs==1.4.4
    - astor==0.8.0
    - astunparse==1.6.3
    - attrs==19.1.0
    - backcall==0.1.0
    - bleach==3.1.0
    - cachetools==4.1.0
    - cffi==1.12.3
    - chardet==3.0.4
    - cloudpickle==1.2.1
    - cycler==0.10.0
    - cytoolz==0.9.0.1
    - dask==2.1.0
    - decorator==4.4.0
    - defusedxml==0.6.0
    - deprecated==1.2.6
    - dill==0.2.9
    - dlib==19.21.0
    - dominate==2.3.5
    - easydict==1.9
    - entrypoints==0.3
    - gast==0.2.2
    - google-auth==1.14.3
    - google-auth-oauthlib==0.4.1
    - google-pasta==0.2.0
    - grpcio==1.22.0
    - h5py==2.10.0
    - helpdev==0.6.10
    - idna==2.8
    - imageio==2.5.0
    - importlib-metadata==0.18
    - imutils==0.5.3
    - ipykernel==5.1.1
    - ipython==7.6.0
    - ipython-genutils==0.2.0
    - ipywidgets==7.4.2
    - jedi==0.13.3
    - jinja2==2.10.1
    - jsonschema==3.0.1
    - jupyter==1.0.0
    - jupyter-client==5.2.4
    - jupyter-console==6.0.0
    - jupyter-core==4.5.0
    - keras==2.2.4
    - keras-applications==1.0.8
    - keras-preprocessing==1.1.0
    - kiwisolver==1.1.0
    - mako==1.1.2
    - markdown==3.1.1
    - markupsafe==1.1.1
    - matplotlib==3.1.0
    - mistune==0.8.4
    - nbconvert==5.5.0
    - nbformat==4.4.0
    - networkx==2.3
    - notebook==5.7.8
    - oauthlib==3.1.0
    - opencv-python==4.1.0.25
    - opt-einsum==3.2.1
    - pandocfilters==1.4.2
    - parso==0.5.0
    - pexpect==4.7.0
    - pickleshare==0.7.5
    - pillow==6.0.0
    - prometheus-client==0.7.1
    - prompt-toolkit==2.0.9
    - protobuf==3.8.0
    - psutil==5.6.3
    - ptyprocess==0.6.0
    - pyasn1==0.4.8
    - pyasn1-modules==0.2.8
    - pycparser==2.19
    - pycuda==2019.1.2
    - pygments==2.4.2
    - pyparsing==2.4.0
    - pyqt5==5.13.0
    - pyqt5-sip==4.19.18
    - pyrsistent==0.14.11
    - pyside2==5.13.0
    - python-dateutil==2.8.0
    - pytools==2020.1
    - pytz==2019.1
    - pywavelets==1.0.3
    - pyyaml==5.1.1
    - pyzmq==18.0.0
    - qdarkgraystyle==1.0.2
    - qdarkstyle==2.7
    - qtconsole==4.5.1
    - requests==2.22.0
    - requests-oauthlib==1.3.0
    - rsa==4.0
    - scikit-image==0.15.0
    - scikit-video==1.1.11
    - scipy==1.2.1
    - send2trash==1.5.0
    - shiboken2==5.13.0
    - six==1.12.0
    - tensorboard==1.15.0
    - tensorboard-plugin-wit==1.6.0.post3
    - tensorflow-estimator==1.15.1
    - tensorflow-gpu==1.15.0
    - termcolor==1.1.0
    - terminado==0.8.2
    - testpath==0.4.2
    - toolz==0.9.0
    - torch==1.1.0
    - torchdiffeq==0.0.1
    - torchvision==0.3.0
    - tornado==6.0.3
    - tqdm==4.32.1
    - traitlets==4.3.2
    - urllib3==1.25.3
    - wcwidth==0.1.7
    - webencodings==0.5.1
    - werkzeug==0.15.4
    - widgetsnbextension==3.4.2
    - wrapt==1.11.2
    - zipp==0.5.2
anaconda conda
3个回答
8
投票

Conda 不适用于所有内容都固定到特定版本的大型环境（与其他以固定所有内容为标准的生态系统相反）。 

conda env export
的结果（这可能就是这样）还包括内部版本号，这些版本号几乎总是过于具体（并且通常是特定于平台的），无法安装正确版本的软件。它对于科学工作的可重复性（需要了解所有内容的特定版本和构建）等方面非常有用，但对于安装软件则不太好（应该与任何软件包一起使用的版本有很大的灵活性）。

我首先删除构建引脚（删除每行第二个 

=
之后的所有内容），以便仅固定版本。之后，我将开始删除版本引脚。

0
投票

使用 Ubuntu 18.04 x86 (linux-64) 并且提供的 

environment.yml
可以工作。

在 MacOS (M1 Silicon) 上失败。

正如其他回复中所指出的；导出的环境文件具有明确的内部版本号，并且结果是固定的包版本组合；如果此主机平台不同，可能无法工作。

导出的环境是获得可重现环境的好方法，但构建平台必须相同。我建议在源主机和目标主机上使用 

conda info
检查它们是否相同。

0
投票

在 .yml 文件中，对于不喜欢的包，只需将版本号替换为第一个值，如下所示，

而不是：

  • pytorch=1.1.0
  • 火炬视觉=0.2.2

用途：

  • pytorch=1
  • 火炬视觉=0

conda 会解决的。

希望这有帮助。

最新问题
© www.soinside.com 2019 - 2024. All rights reserved.