python关于numpy对于emd和tersorflow-intel不同时兼容的问题
在调用库时出现以下问题：如果使用高于1.22版本的就会出现emd依赖错误：ERROR: pip’s dependency resolver does not currently take into account all the packages that are installed. This behaviour is the source of the following dependency conflicts.
emd 0.5.5 requires numpy<1.22, but you have numpy 1.22.0 which is incompatible.
如果使用低于1.22版本的，就会出现tensorflow-intel依赖错误：ERROR: pip’s dependency resolver does not currently take into account all the packages that are installed. This behaviour is the source of the following dependency conflicts.
tensorflow-intel 2.12.0 requires numpy<1.24,>=1.22, but you have numpy 1.21.2 which is incompatible.
那么如何才能保证二者都可以使用呢？ 为了解决这个依赖冲突问题，您可以尝试以下几个方法：
1、使用虚拟环境 (Virtual Environments):
在这种情况下，建议使用虚拟环境（如venv或conda）来为不同的项目创建独立的环境。这样可以避免不同库之间的依赖冲突。
以下是如何使用 venv 创建虚拟环境的步骤：
python -m venv my_project_env
source my_project_env/bin/activate# On Windows, use `my_project_env\Scripts\activate`
pip install numpy==1.22.0
pip install emd==0.5.5
pip install tensorflow-intel==2.12.0
2、尝试安装兼容版本的库：
尝试找到一个兼容的 numpy 版本，以满足两个库的需求。在这种情况下，您可以尝试安装 numpy 1.22.x（例如 1.22.0），
因为它符合 tensorflow-intel 的要求，同时也尝试安装一个兼容的 emd 版本。如果没有兼容的版本，您可能需要查看 emd 的源代码，看看是否可以修改代码以支持新版本的 numpy。
3、将您的代码拆分为两个独立的进程或容器：
您可以尝试将使用 emd 的代码部分与使用 tensorflow-intel 的代码部分分开，并将它们放在单独的 Python 进程或 Docker 容器中。这样，
您可以为每个进程安装适当的依赖项，而不必担心它们之间的冲突。然后，您可以使用进程间通信（IPC）机制（如管道、套接字或共享内存）将这些进程连接起来。
虽然这种方法可能会增加项目的复杂性，但它可以避免库之间的依赖冲突问题。 1，我安装了conda虚拟环境r依然是以上问题，或许并不能解决问题。
2，3在理论上或许能够解决问题，但是我只是一个新手所以不会弄。
我当前的解决方案是：在运行适当代码时重新配置numpy包，尽量避免同时使用tensorflow-intel 和 emd 两个包。
页:
[1]