Desarrollo de Python
  1. Desarrollo de Python
  3. ¿Qué hacer cuando se superponen pip y conda?
Intereting Posts
Subcomandos argparse con espacios de nombres nesteds ¿Qué debo hacer si socket.setdefaulttimeout () no funciona? ¿Cómo agrego saltos a mi juego? Cómo usar el registro incorporado de Python con Asyncio (error de permiso) Rindiendo hasta que se obtengan todos los valores necesarios, ¿hay alguna manera de hacer que la división se vuelva perezosa? Versión de Matplotlib ¿Cómo eliminar un elemento de una lista de python en un bucle? Calcule la diferencia de tiempo del dataframe de Pandas entre dos columnas en horas y minutos ¿Método asincrónico de llamada en Python? Ejecución de un trabajo utilizando hadoop streaming y mrjob: PipeMapRed.waitOutputThreads (): el subproceso falló con el código 1 Trazado de forma no bloqueante con Matplotlib Convertir fecha a meses y año. Evitar la creación de nuevos atributos fuera de __init__ Python doctest para scripts de shell que prueban el análisis de argumentos sin contaminar docstring con os.popen () ¿Cómo instalar módulos python de terceros en heroku usando pip?

¿Qué hacer cuando se superponen pip y conda?

Tengo una comprensión razonable de la diferencia entre conda install & pip install ; Cómo pip instala los paquetes de python only y conda puede instalar binarios que no sean de python. Sin embargo, hay una cierta superposición entre estos dos. Lo que me lleva a preguntar:

¿Cuál es la regla general para usar conda o pip cuando ambos ofrecen un paquete?

Por ejemplo, TensorFlow está disponible en ambos repositorys pero desde los documentos de tensorflow :

dentro de Anaconda, recomendamos instalar TensorFlow con el comando pip install , no con el comando conda install .

Pero, hay muchos otros paquetes que se superponen, como numpy , scipy , etc.

Sin embargo, esta respuesta de conda install sugiere que la conda install debería ser la predeterminada y que solo se debe usar pip si un paquete no está disponible desde conda . ¿Esto es cierto incluso para TensorFlow u otros paquetes solo para python?

Los mantenedores de Tensorflow realmente publican las ruedas de TensorFlow en PyPI, por eso es la forma oficial recomendada. Los paquetes de conda son creados por el personal de Anaconda y / o la comunidad. Eso no significa que los paquetes de Conda sean malos, solo significa que los mantenedores de TensorFlow no participan allí (oficialmente). Básicamente, solo dicen: “Si tiene problemas para instalarlo con pip los desarrolladores de TensorFlow intentarán ayudarlo. Pero no conda oficialmente los paquetes de conda , por lo que si algo sale mal con el paquete de conda, debe preguntar al conda. Mantenedores de paquetes. Has sido advertido “.

En el caso más general:

Para los paquetes solo para Python, siempre debe usar conda install . Puede haber excepciones, por ejemplo, si no hay ningún paquete conda o si el paquete conda está desactualizado (y nadie está lanzando una nueva versión de ese paquete) y realmente necesita ese paquete / versión.

Sin embargo, es diferente para los paquetes que requieren comstackción (por ejemplo, C-Extensions, etc.). Es diferente porque con pip puedes instalar un paquete:

  • como rueda precomstackda
  • como paquete, comstackdo en su computadora

Mientras que conda solo proporciona la

  • paquete comstackdo de conda

Con los paquetes comstackdos tienes que tener cuidado con la compatibilidad binaria. Eso significa que un paquete se comstack contra una interfaz binaria específica de otra biblioteca, lo que podría depender de la versión de las bibliotecas o las banderas de comstackción, etc.

Con conda usted tiene que tomar el paquete como está, lo que significa que debe asumir que los paquetes son compatibles con binarios. Si no lo son, no funcionará (errores de segfault o de enlace o lo que sea).

Si usa pip y puede elegir qué rueda (si corresponde) instalar o comstackr contra las bibliotecas disponibles en su computadora. Eso significa que es menos probable que obtenga una incompatibilidad binaria. Eso es (o fue) un gran problema si instala paquetes conda de diferentes canales conda. Porque podrían ser simplemente incompatibles con los binarios (por ejemplo, conda-forge y el canal de anaconda tienen o tuvieron algunos problemas allí).

Sin embargo, probablemente debería decidirse caso por caso. No tuve problemas con mi entorno tensorflow conda donde instalé todos los paquetes del canal conda-forge , incluido tensorflow. Sin embargo, he escuchado que varias personas tuvieron problemas con el tensorflow en conda-forge mixtos de conda-forge y anaconda . Por ejemplo, NumPy del canal principal y TensorFlow del canal conda-forge podrían ser incompatibles con los binarios.

Mi regla de oro es:

  • Si es un paquete solo para Python, simplemente instálelo (es poco probable que genere problemas). Use el paquete conda cuando sea posible, pero no causará (mucho) problema si usa pip. Si lo instala utilizando pip, no está administrado por conda, por lo que es posible que no se reconozca como dependencia disponible y usted tenga que actualizarlo usted mismo, pero esa es la diferencia.
  • Si se trata de un paquete comstackdo (como una extensión C o una envoltura alrededor de una biblioteca C o similar) se vuelve un poco más complicado. Si quiere ser “cuidadoso” o tiene motivos para esperar problemas:
  • Siempre cree un nuevo entorno si necesita probar paquetes comstackdos de diferentes canales y / o conda y pip. Es fácil descartar un entorno de conda desordenado, pero es mucho más molesto arreglar un entorno del que dependes.
  • Si es posible, instale todos los paquetes comstackdos usando la conda install desde un solo canal (si es posible el canal principal de anaconda).
  • Si no es posible, intente mezclar los paquetes comstackdos del canal principal de anaconda con los paquetes de Conda de un canal diferente.
  • Si eso no funciona, intente mezclar paquetes comstackdos conda y paquetes comstackdos pip (ruedas precomstackdas o instaladores autocomstackdos).

Preguntó por qué no puede instalar paquetes desde PyPI con conda . No sé las razones exactas, pero pip proporciona principalmente el paquete y usted tiene que instalarlo usted mismo. Con conda usted obtiene un paquete ya comstackdo e instalado que simplemente se “copia” sin instalación. Eso requiere que el paquete se instale en diferentes sistemas operativos (Mac, Windows, Linux) y en plataformas (32 bits, 64 bits), contra diferentes versiones de Python (2.7, 3.5, 3.6) y posiblemente contra diferentes versiones de NumPy. Eso significa que Conda tiene que proporcionar varios paquetes en lugar de solo uno. Eso requiere recursos (espacio para los paquetes finales instalados y tiempo para la instalación) que probablemente no estén disponibles o no sean factibles. Aparte de eso, es probable que no haya un convertidor para un paquete pypi a una receta de conda, aparte de todos los detalles que debe conocer sobre un paquete (comstackción, instalación) para que funcione. Eso es solo mi conjetura sin embargo.