如何从运行的Python代码导出正确版本依赖包供他人协作？

针对你提到的PyTorch、Lightning、CUDA这类复杂依赖的同步问题，代码所有者可以用以下几种方案生成一键安装的环境配置，让协作方直接复刻可运行环境：

1. 生成requirements.txt（最通用的pip方案） #

适合纯pip管理的环境，步骤简单：

• 代码所有者在本地运行：

  pip freeze > requirements.txt
  

  之后手动编辑这个文件，删掉虚拟环境自带的包（比如pip、setuptools这类版本无关的），同时确保PyTorch的条目是带CUDA版本的完整格式，比如：

  torch==2.0.1+cu118
  torchvision==0.15.2+cu118
  lightning==2.0.3
  --index-url https://download.pytorch.org/whl/cu118
  

• 协作方拿到文件后，在自己的虚拟环境里运行：

  pip install -r requirements.txt
  

2. Conda环境导出（适配CUDA等非pip依赖） #

如果环境是用Conda管理的（比如PyTorch是通过Conda安装的），这个方案能更精准复刻环境：

• 代码所有者运行：

  conda env export > environment.yml
  

  可以手动删除文件里的prefix字段（这个是本地环境路径，协作方不需要），如果跨平台使用，还可以删掉platform字段让Conda自动适配。
• 协作方运行：

  conda env create -f environment.yml
  

  运行完直接激活环境就能用：conda activate <环境名>

3. 用现代依赖管理工具（Pipenv/Poetry） #

适合长期维护的项目，能生成精确的依赖锁文件：

用Poetry的例子： #

• 代码所有者先初始化（如果项目没配置过）：

  poetry init
  

  安装所有依赖后，生成锁文件：

  poetry lock
  

  把pyproject.toml和poetry.lock两个文件交给协作方。
• 协作方安装Poetry后，运行：

  poetry install
  

  就能自动创建虚拟环境并安装所有对应版本的依赖。

注意事项 #

• 导出依赖前，确保本地环境是干净的（只安装了项目需要的包），避免把无关依赖也加进去。
• 对于CUDA相关的包，要确认协作方的CUDA版本和所有者的是否兼容，如果差异较大，可能需要调整PyTorch的版本号（比如CUDA 11.7对应PyTorch 1.13.x+cu117）。

内容的提问来源于stack exchange，提问作者math_guy