Conda环境依赖异常排查请求：Brotli、TensorFlow等问题

1. Brotli库未定义符号错误 #

原因 #

多次执行mamba env update时，不同依赖文件混合使用defaults和conda-forge源，导致brotli库版本冲突：pyarrow依赖的brotli版本与其他包安装的版本不兼容，出现符号缺失。此外，common_requirements.yaml中同时从defaults和conda-forge安装pandas，进一步加剧了依赖版本混乱。

解决步骤 #

• 统一channel优先级，创建环境时将conda-forge设为最高优先级，避免跨源依赖冲突：

  conda create -p $APP_VENV -c conda-forge -c defaults python=3.10.14 -y
  

• 卸载冲突组件后重新安装兼容版本：

  mamba activate $APP_VENV
  mamba remove brotli pyarrow -y
  mamba install conda-forge::brotli=1.1.0 conda-forge::pyarrow -y
  

• 合并所有依赖文件为单个yaml，避免多次env update导致的依赖碎片化。

2. TensorFlow无法访问CUDA设备（PyTorch正常） #

原因 #

• TensorFlow 2.16.1要求匹配CUDA 12.3版本，当前环境的CUDA toolkit版本不兼容，或conda安装的tensorflow未关联GPU依赖包。
• 多次env update操作可能覆盖了TensorFlow的CUDA相关依赖，或误安装了CPU-only版本的tensorflow。
• 环境变量中CUDA相关路径被后续操作覆盖，导致TensorFlow无法识别GPU设备。

解决步骤 #

• 安装与TensorFlow 2.16.1兼容的CUDA依赖：

  mamba install conda-forge::cuda-toolkit=12.3 conda-forge::cudnn=8.9 -y
  

• 重新安装带GPU支持的TensorFlow版本：

  mamba install conda-forge::tensorflow=2.16.1=*cuda12* -y
  

• 验证GPU可用性：

  import tensorflow as tf
  print(tf.config.list_physical_devices('GPU'))
  

3. TensorFlow 2.16.1无法导入keras #

原因 #

*TensorFlow 2.16+*版本使用独立的Keras 3.x模块，而依赖中单独安装了conda-forge::keras，导致版本冲突：TensorFlow内置的Keras接口与独立安装的Keras包不兼容，无法正确导入。

解决步骤 #

• 移除单独安装的keras包，使用TensorFlow内置的Keras模块：

  mamba remove keras -y
  

• 修改app_requirements.yaml，删除单独的conda-forge::keras条目，TensorFlow 2.16.1会自动包含兼容的Keras版本。
• 若需单独使用Keras，需安装与TensorFlow 2.16.1兼容的Keras 3.x版本：

  mamba install conda-forge::keras=3.0.5 -y
  

内容的提问来源于stack exchange，提问作者Gameriker