如何让pip-compile基于Docker预装TensorFlow版本匹配相关依赖版本

问题原因 #

默认pip-compile不会将镜像中已经预装的TensorFlow版本作为依赖约束，会默认拉取所有生态包的最新稳定版，不同生态包的最新版对TensorFlow的版本要求出现了互斥：你报错中tensorflow-serving-api==2.7.0要求TensorFlow >=2.7.0，而同期最新的tensorflow-transform==1.3.0要求TensorFlow <2.7，因此出现版本冲突。

解决方案 #

无需修改requirements.in，仅需要调整Dockerfile中的构建逻辑，动态将已预装的TensorFlow版本作为硬约束传给pip-compile即可：
修改你的Dockerfile的RUN指令为以下内容：

RUN python -m pip install pip-tools && \
    # 动态生成TensorFlow版本约束文件
    python -c "import tensorflow; print(f'tensorflow=={tensorflow.__version__}')" > /tmp/tf_constraint.txt && \
    # 编译依赖时传入约束，强制匹配已安装的TensorFlow版本
    pip-compile requirements.in --constraint /tmp/tf_constraint.txt && \
    python -m pip install -r requirements.txt

原理解释 #

• --constraint是pip-tools原生支持的约束参数，会强制要求所有依赖的版本都满足约束文件内的规则，不会修改约束文件中指定的包版本
• 动态生成约束文件的逻辑直接读取镜像里已经安装的TensorFlow版本，完全适配你传入的TF_VERSION构建参数，不需要手动维护任何版本号

修改后无论你传入什么版本的TF_VERSION作为构建参数，pip-compile都会自动查找对应兼容的TensorFlow生态包版本，不会再出现版本冲突问题。

内容的提问来源于stack exchange，提问作者BioGeek