无Conda环境下在云GPU手动搭建ChartOCR运行环境

错误原因 #

DeepRule.txt是conda通过conda list --explicit导出的显式环境文件，包含conda源的包下载链接和@EXPLICIT标记，这类格式不被pip识别，直接用pip install -r会触发报错。

手动复刻环境步骤 #

1. 转换conda环境文件为pip兼容格式 #

在DeepRule项目目录下，执行以下命令提取包名和版本，生成pip可用的requirements文件：

# 过滤注释和@EXPLICIT行，提取包名和版本，清理后缀
grep -v "^#" DeepRule.txt | grep -v "@EXPLICIT" | sed -E 's/.*\/([a-zA-Z0-9_-]+)-([0-9]+\.[0-9]+\.[0-9]+.*)\.tar\.bz2/\1==\2/' | sed -E 's/-([0-9a-f]+)$//' > requirements-pip.txt

执行后会生成requirements-pip.txt文件，里面是包名==版本号的格式，符合pip的依赖安装要求。

2. 调整特殊包名（若有） #

部分conda包与PyPI上的包名不一致，需要手动修改requirements-pip.txt：

• conda的pytorch对应PyPI的torch，torchvision和torchaudio包名与conda一致
• 若安装GPU版本的PyTorch，需指定对应CUDA版本的版本号，例如针对CUDA 11.3，可执行：

  pip install torch==1.12.1+cu113 torchvision==0.13.1+cu113 torchaudio==0.12.1
  

  （注：需根据服务器实际CUDA版本调整版本号，确保与原conda环境中的版本匹配）

3. 安装依赖 #

激活虚拟环境后，执行：

pip install -r requirements-pip.txt

若安装过程中出现“找不到包”的错误，根据提示查找对应包的正确名称和版本，单独执行pip install 包名==版本号安装。

4. 验证环境 #

运行项目的测试脚本或核心代码，检查是否有缺失的依赖，逐个补充安装即可。

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