使用conda env create创建环境，卡在Installing pip dependencies环节求助

问题场景 #

执行conda env create -f environment.yml创建名为cfd的环境时，流程卡在Installing pip dependencies环节数小时。该环境包含大量pip依赖包，其中部分包未指定具体版本（如keras-nightly、tensorboard等）。

解决方案 #

1. 拆分安装流程，避免conda批量处理pip依赖 #

• 中断当前卡住的进程（按下Ctrl+C）。
• 从原environment.yml中提取所有pip依赖，保存为requirements.txt文件，示例格式：

  absl-py==0.12.0
  asttokens==2.0.5
  astunparse==1.6.3
  attrs==21.2.0
  ...
  zipp==3.6.0
  

• 修改原environment.yml，移除- pip:及下方所有pip依赖项，仅保留conda官方包依赖。
• 先创建conda基础环境：

  conda env create -f environment.yml
  

• 激活环境后，手动安装pip依赖：

  conda activate cfd
  pip install --upgrade pip
  pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple
  

2. 为无版本号的pip包指定具体版本 #

原配置中多个pip包未指定版本（如keras-nightly、tensorboard、tensorflow等），pip会尝试匹配兼容版本，导致耗时过长。建议根据Python 3.8版本和已有依赖（如torch==1.10.0）指定对应版本：

• 例如将tensorflow指定为tensorflow==2.8.0（与Python 3.8兼容），tensorboard指定为tensorboard==2.8.0，keras-nightly指定为与tensorflow匹配的版本。

3. 使用国内pip镜像加速下载 #

默认pip源下载速度慢，尤其是大体积包（如torch、tensorflow），添加国内镜像源可大幅提升速度，常用镜像：

• 清华源：添加-i https://pypi.tuna.tsinghua.edu.cn/simple参数
• 阿里云源：添加-i https://mirrors.aliyun.com/pypi/simple/参数

4. 分批安装pip依赖，定位问题包 #

如果仍卡住，可将requirements.txt分成多个小文件，分批安装，排查阻塞的具体包：

• 先安装基础工具包：pip install absl-py asttokens attrs ... -i 镜像源
• 再安装科学计算包：pip install numpy scipy pandas matplotlib ... -i 镜像源
• 最后安装深度学习框架：pip install tensorflow torch keras-nightly ... -i 镜像源

5. 升级pip版本提升依赖解析效率 #

旧版pip处理依赖解析的效率较低，激活环境后先升级pip：

conda activate cfd
pip install --upgrade pip

内容的提问来源于stack exchange，提问作者user572780