我正在conda环境中尝试安装requirements.txt内的依赖包，文件内容如下：

amazon-braket-pennylane-plugin==1.1.0.post1
cvxopt==1.2.6
cvxpy==1.1.11
dill==0.3.3
ipywidgets==7.6.3
jupyter==1.0.0
jupytext==1.10.2
matplotlib==3.3.4
Mosek==9.2.40
notebook==6.2.0
numpy==1.19.5
pandas==1.2.2
pytest==6.2.2
scikit-learn==0.24.1
scipy==1.6.0
seaborn==0.11.1
sklearn==0.0
sympy==1.7.1
tqdm==4.57.0
widgetsnbextension==3.5.1
pennylane==0.16.0
pennylane-cirq==0.14.0
keras==2.4.3
tensorflow==2.4.1
rsmf==0.2

我使用的安装命令是：

pip install -r src/requirements.txt --upgrade

但安装过程已经持续了好几个小时，始终无法完成。从日志能看到，pip一直在反复下载不同版本的依赖包（比如pydantic、pyquil、google-api-core等），不断尝试寻找兼容的版本组合，日志里频繁出现这类提示：

INFO: pip is looking at multiple versions of pydantic to determine which version is compatible with other requirements. This could take a while.

我不清楚为什么会出现这种情况，有没有办法能让这些依赖包正常安装完成？

给你几个实用的解决思路，我之前处理过类似的依赖解析卡顿问题： #

1. 切换回pip旧版依赖解析器

pip在20.3版本后启用了新的依赖解析逻辑，虽然更严谨但面对复杂依赖组合时会慢很多。你可以试试用旧版解析器，这通常能大幅缩短时间：

pip install -r src/requirements.txt --upgrade --use-deprecated=legacy-resolver

2. 先用conda搞定核心大依赖

既然你在conda环境里，别全靠pip。先把numpy、pandas、tensorflow这些大型依赖用conda安装好——conda的依赖处理在这类场景下更高效，剩下的小依赖再交给pip：

# 先安装conda支持的核心包（版本和你的requirements对齐）
conda install numpy=1.19.5 pandas=1.2.2 scikit-learn=0.24.1 matplotlib=3.3.4 tensorflow=2.4.1 keras=2.4.3
# 再安装剩余依赖
pip install -r src/requirements.txt --upgrade

3. 去掉--upgrade参数试试

你加了--upgrade会让pip强制检查所有包的最新版本，这会让依赖解析的工作量暴增。如果是新环境，完全不需要升级操作，直接去掉这个参数：

pip install -r src/requirements.txt

4. 建个干净的新环境试试

如果当前conda环境里已经有一些残留的包，可能会和新安装的依赖产生隐性冲突，导致pip反复尝试版本。不如直接建个全新环境：

conda create -n qhack_env python=3.8
conda activate qhack_env
pip install -r src/requirements.txt --upgrade

5. 手动补充依赖约束

从日志看，pip一直在反复尝试pydantic、pyquil这类包的不同版本，说明这些包的子依赖没有明确约束。你可以在requirements.txt里手动添加一些关键子依赖的固定版本，帮pip减少试探的次数。

备注：内容来源于stack exchange，提问作者sarika