Conda创建环境失败：ResolvePackageNotFound问题解决求助

1. 平台不匹配：环境文件里的包附带了Linux x86_64专属的build后缀（如h166bdaf_8），这类标识是特定系统架构的产物，若你的系统是Windows、macOS或ARM架构Linux，对应build版本的包不存在。
2. 版本归档/移除：部分指定版本的包（如mkl==2020.4、pytorch==1.11.0）已从conda仓库下架，或你配置的channel未包含这些旧版本的归档源。
3. 依赖约束过严：yaml文件精确锁定了每个包的版本和build号，conda的依赖求解器无法找到所有这些精确版本的兼容组合，尤其是跨多channel的场景下。

方法1：修改环境文件，放宽版本约束 #

编辑environment.yaml，做以下调整：

• 删除所有包的build号（即==x.x.x=xxxx格式中=xxxx的部分），例如将libbrotlidec==1.0.9=h166bdaf_8改为libbrotlidec==1.0.9。
• 对核心依赖（如pytorch、numpy）进一步放宽版本限制，用>=替代==，或仅保留主版本号（如pytorch>=1.11）。
• 确保文件头部的channels配置包含conda-forge、pytorch、defaults，并将conda-forge设为最高优先级：

  channels:
    - conda-forge
    - pytorch
    - defaults
  

修改后重新执行：

conda env create --file environment.yaml

方法2：分步创建环境并手动安装依赖 #

若修改yaml仍失败，可先搭建基础环境，再逐步安装依赖：

1. 创建并激活基础Python3.9环境：

   conda create -n mmcl_env python=3.9
   conda activate mmcl_env
   

2. 先安装核心PyTorch依赖（从pytorch channel获取）：

   conda install pytorch==1.11.0 torchvision torchaudio cudatoolkit=11.3 -c pytorch
   

3. 安装通用数据科学依赖（从conda-forge获取）：

   conda install -c conda-forge numpy=1.23.5 pandas=1.5.2 scikit-learn=1.2.0 scikit-image=0.19.3 matplotlib=3.6.2 umap-learn=0.5.3 numba=0.56.4 simpleitk=2.2.1
   

4. 安装小众包，若conda无法找到则用pip：

   pip install cbgen bgen-reader almosthere
   

方法3：用Mamba替代Conda求解依赖 #

Mamba的依赖求解器比Conda更快、更高效，能更好处理复杂依赖场景：

1. 在base环境安装Mamba：

   conda install -n base -c conda-forge mamba
   

2. 用Mamba创建环境：

   mamba env create --file environment.yaml
   

若仍失败，结合方法1修改yaml后再尝试。

方法4：确认系统兼容性 #

• 若使用Windows/macOS，查看项目README是否有针对非Linux系统的配置说明。
• 若为ARM架构（如M系列Mac），cudatoolkit无法使用，需替换为CPU版本PyTorch，移除yaml中所有CUDA相关配置。

内容的提问来源于stack exchange，提问作者Marya Mik