Conda更新环境时依赖冲突检测耗时过长，求解决方案？

先终止当前进程 #

按Ctrl+C结束卡住的环境求解进程，停止无意义等待。

具体解决办法 #

1. 简化环境配置中的版本约束 #

你的配置文件里大量旧版本包（如jupyterlab=0.34.9、keras=2.2.2=0）和高版本包（如pillow=8.3.2）存在依赖冲突。可尝试：

• 保留核心依赖的版本（比如python=3.6.6、tensorflow=1.10.0），这些是环境基础
• 移除非核心包的版本号，让Conda自动匹配兼容版本

修改后的示例配置：

name: python-cvcourse
channels:
  - menpo
  - conda-forge
  - defaults
dependencies:
  - jupyter=1.0.0
  - jupyterlab
  - keras=2.2.2=0
  - matplotlib
  - numpy=1.15.1
  - opencv=4.1.0
  - pandas
  - python=3.6.6
  - scikit-learn
  - scipy
  - tensorboard=1.10.0
  - tensorflow=1.10.0
  - pillow
prefix: /anaconda3/envs/cvcourse

2. 用Mamba替代Conda求解环境 #

Mamba是Conda的高效替代工具，环境求解和冲突检测速度远快于原生Conda：

• 先安装Mamba：conda install -n base conda-forge::mamba
• 执行更新：mamba env update -f cvcourse_linux.yml

3. 直接重新创建环境 #

若更新始终卡住，删除旧环境后重新创建：

• 删除旧环境：conda env remove -n python-cvcourse
• 用配置文件创建新环境：conda env create -f cvcourse_linux.yml

4. 调整Channel优先级 #

当前Channel顺序（menpo→conda-forge→defaults）可能导致包来源混乱，可将conda-forge移至最前，或给冲突包指定来源：

dependencies:
  - conda-forge::pillow=8.3.2

验证环境有效性 #

环境创建/更新完成后，执行conda list检查包状态，运行python -c "import tensorflow; import cv2"验证核心依赖是否正常加载。

内容的提问来源于stack exchange，提问作者joesan