# 通过升级 Python 依赖解决 Conda 项目无法使用 NVIDIA 50 系显卡的问题



## 问题背景

Conda、Docker 等技术的确非常强大，它们可以实现“一次开发，到处部署”，在操作系统层面保证兼容性。然而，当遇到 **硬件不兼容** 时，这类工具就无能为力，需要手动干预。

例如，我想运行别人提供的深度学习项目，并使用 Conda 管理环境。原项目的 `env.yaml` 中指定了：

```yaml
dependencies:
  pytorch=1.10.2=py3.7_cuda11.3_cudnn8.2.0_0
```

然而我的显卡是 RTX 5070 Ti（50 系列），直接`conda create -f` 后运行项目会报错：

```
NVIDIA GeForce RTX 5070 Ti with CUDA capability sm_120 is not compatible with the current PyTorch installation.
The current PyTorch install supports CUDA capabilities sm_37 sm_50 sm_60 sm_61 sm_70 sm_75 sm_80 sm_86 compute_37.
If you want to use the NVIDIA GeForce RTX 5070 Ti GPU with PyTorch, please check the instructions at https://pytorch.org/get-started/locally/
```

这种情况下，只有两个选择：要么换机器，要么重新构建依赖环境。

更麻烦的是，支持 50 系显卡的 PyTorch 版本至少要求 **Python 3.10**，也就是说小改 `env.yaml` 根本无法解决问题（其他库版本过老又没法支持 Python 3.10了），只能做较大幅度的调整。

## 全升级方案

可以先试一试不管库的版本，直接升级到 Python3.10.

依然先构建环境

```shell
conda create -f env.yaml
```

然后导出pip依赖

```shell
pip freeze > requirements.txt
```

清理所有固定版本和本地/远程来源，只保留包名，使用python脚本

```python
#!/usr/bin/env python3
import re

input_file = "requirements.txt"
output_file = "requirements.txt"

cleaned = []

with open(input_file, "r", encoding="utf-8") as f:
    for line in f:
        line = line.strip()
        if not line or line.startswith("#"):
            continue

        # 去掉 @ 后面的内容
        pkg = re.split(r"\s*@\s*", line)[0]

        # 去掉 ==、>=、<=、~=、>、< 等版本信息
        pkg = re.split(r"[><=~!]+", pkg)[0]

        pkg = pkg.strip()
        if pkg:
            cleaned.append(pkg)

with open(output_file, "w", encoding="utf-8") as f:
    f.write("\n".join(cleaned))

print(f"✔ 清理完成！已生成: {output_file}")
```

然后另建虚拟环境`pip install -r requirements.txt`即可。

注意某些gpu版本的库应该从`requirements.txt`中删去，然后根据官网教程自行安装，可参考

{{< link "/posts/environment/dl-build/" "" "" true>}}

这个方法简单粗暴，然而如果项目中有些库的用法过时了，这个方法后续也很麻烦，要么手动降低报错库的版本，要么改代码。


---

> 作者: [fupcode](https://github.com/fupcode)  
> URL: https://fupcode.com/blog/posts/environment/conda-dependence-upgrade/