Kaggle Notebook中pip安装fastai引发依赖冲突的解决方法

• 优先使用Kaggle预装的fastai
  Kaggle Notebook默认已经预装了fastai，先检查版本是否满足需求：

  import fastai
  print(fastai.__version__)
  

  只要版本够用，直接导入使用即可，这是避免依赖冲突最省心的方式。

• 用conda替代pip安装
  Kaggle环境基于conda管理，conda会自动处理依赖兼容性，比pip更适配。执行命令：

  !conda install -y fastai
  

• 针对性修复现有冲突
  如果必须用pip安装，可按以下方式处理：

  • 解决tensorflow与absl-py、numpy的版本冲突：安装时指定兼容版本

    !pip install -Uqq fastai "absl-py~=0.10" "numpy~=1.19.2"
    

  • 处理tensorflow-io的依赖缺失：若用到该库，安装对应版本的依赖

    !pip install tensorflow-io-gcs-filesystem==0.21.0
    

    不用的话可直接忽略这个错误。

Kaggle专属的包安装思路 #

Kaggle没有特殊的安装命令，但核心是优先用预装库，其次用conda而非pip安装，因为conda能更好地适配Kaggle的默认环境，减少依赖冲突。

内容的提问来源于stack exchange，提问作者ChristianOConnor