Anaconda环境下运行mlagents-learn触发版本冲突与组件缺失报错
报错根因说明
- 两组报错为连锁触发的同类版本校验故障,无独立的wheel包缺失问题:
- 核心冲突:当前环境安装的numpy版本为1.19.2,而ml-agents release_10的核心依赖
mlagents-envs明确要求numpy版本范围为>=1.14.1, <1.19.0,版本不匹配直接触发pkg_resources的版本冲突中断 - 连带虚假报错:版本校验流程中断后,pkg_resources的依赖解析逻辑未完成全量包扫描,误报
tensorboard要求的wheel包不存在。当前已安装的wheel0.36.2版本完全满足>=0.26的版本要求,并非真的组件缺失。
- 核心冲突:当前环境安装的numpy版本为1.19.2,而ml-agents release_10的核心依赖
操作解决步骤
所有操作需在激活unity_envIAJ虚拟环境的终端中执行:
- 激活目标虚拟环境
conda activate unity_envIAJ - 卸载当前不符合兼容要求的numpy版本
pip uninstall numpy -y - 安装符合release_10兼容要求的numpy稳定版(1.18.5为<1.19.0区间内与Python3.8、tensorboard2.4.0完全适配的最终稳定版)
pip install numpy==1.18.5 - 修正pkg_resources包索引缓存,解决虚假的wheel识别错误
pip install --upgrade pip setuptools wheel该操作会重建setuptools的包扫描规则,解决版本校验中断导致的包信息识别不全问题,无需额外调整wheel安装路径。
- 按源码目录的依赖清单重新校验ml-agents安装状态,在源码路径
C:\Users\Rui\Documents\GitHub\ml-agents-release_10>下执行可编辑安装:pip install -e ./ml-agents操作过程会严格匹配release_10版本声明的所有依赖版本范围,避免手动安装出现的版本偏差。
- 验证安装有效性
mlagents-learn --help终端正常输出命令帮助参数列表,即代表安装完成,不会再触发版本冲突报错。
常见异常处理
- 全程禁止安装1.19.0及以上版本的numpy,否则会直接触发mlagents-envs的版本校验失败。
- 若执行上述步骤后仍报wheel缺失错误,可直接删除虚拟环境下的pkg_resources缓存目录
D:\Conda\envs\unity_envIAJ\lib\site-packages\pkg_resources,再重新执行pip install setuptools重建索引即可恢复。
内容的提问来源于stack exchange,提问作者Rui Melo
相关产品推荐
相关产品推荐

