解决conda环境创建失败：numba和llvmlite编译错误-Python教程-PHP中文网

解决conda环境创建失败：numba和llvmlite编译错误

霞舞

发布： 2025-08-17 23:04:15

原创

933人浏览过

解决conda环境创建失败：numba和llvmlite编译错误

本文将针对在使用conda环境时，遇到的numba和llvmlite编译错误问题，提供一种基于模拟环境的解决方案。通过指定conda子目录为osx-64，强制conda安装x86_64架构的Python和依赖，从而绕过Apple Silicon上的编译问题。此外，还建议优化依赖管理，优先使用conda-forge的预编译包，以提高安装效率和避免潜在的编译冲突。

在使用conda创建环境时，有时会遇到numba和llvmlite等包编译失败的问题，尤其是在Apple Silicon（M1/M2芯片）的MacBook上。这通常是由于这些包的某些旧版本与ARM架构的兼容性问题导致的。以下提供一种有效的解决方案，以及一些额外的优化建议。

解决方案：使用模拟环境

一种有效的解决方法是使用conda的CONDA_SUBDIR环境变量，强制conda安装x86_64架构的Python和依赖，即创建一个模拟的x86_64环境。

创建环境时指定架构：

在创建conda环境时，使用以下命令：
```
CONDA_SUBDIR=osx-64 conda env create --file asoid.yml
```
登录后复制
这条命令会告诉conda，即使你的系统是ARM架构，也要创建一个基于x86_64架构的环境。
永久设置环境架构：

创建环境后，为了避免后续操作中出现类似问题，建议将该环境永久设置为osx-64架构。首先激活该环境：
```
conda activate asoid
```
登录后复制
然后，使用以下命令设置环境的子目录：
```
conda config --env --set subdir osx-64
```
登录后复制
这样，每次激活该环境时，conda都会默认使用x86_64架构的包。

额外建议：优化依赖管理

除了使用模拟环境外，还可以通过优化依赖管理来减少编译错误的发生，并提高安装效率。

风车Ai翻译

跨境电商必备AI翻译工具

160

查看详情

优先使用conda-forge:

conda-forge是一个社区维护的conda包仓库，提供了大量的预编译包，可以避免从源代码编译，从而减少潜在的编译错误。建议修改.yml文件，尽可能从conda-forge安装依赖。

例如，将以下内容：

dependencies:
  - numpy=1.20
  - pandas=1.3
  - pip:
    - numba==0.53
    - llvmlite==0.36

登录后复制

修改为：

dependencies:
  - numpy=1.20  # 尽量指定版本，避免自动更新导致不兼容
  - pandas=1.3  # 尽量指定版本，避免自动更新导致不兼容
  - numba=0.53  # 如果conda-forge有，就直接安装
  - llvmlite=0.36 # 如果conda-forge有，就直接安装
  - pip: # 不必要的pip安装尽量移除
channels:
  - conda-forge
  - defaults

登录后复制

注意：先尝试从conda-forge安装，如果conda-forge没有相应的包，再考虑使用pip。

适当放宽版本限制：

.yml文件中可能会指定一些包的严格版本，这可能会导致conda无法找到合适的预编译包，从而触发编译过程。可以适当放宽版本限制，允许conda选择更高版本的包，但这需要仔细测试，确保新版本与项目的其他部分兼容。

例如，将numpy=1.20修改为numpy>=1.20，允许conda安装1.20或更高版本的numpy。