我在一个 Python 项目上工作，该项目在一个地方调用 Julia 的代码，而在其他地方使用 OpenCV。
不幸的是，pyJulia更喜欢 Python 解释器为 dynamically linked to the libpython . (我知道我可以构建一个自定义的 Julia 系统镜像，但是当我想从 Python 测试我的 Julia 代码的开发版本时，我担心构建延迟。)
到目前为止有效的方法是使用 Spack而不是 conda 。 Spack 构建的 Python 有一个共享的 libpython并且 Spack 的存储库确实包含最近的 opencv .
不幸的是，与 Conda 不同的是，Spack 是围绕编译所有内容的范例设计的，而不是下载二进制文件。 opencv的安装时间|超过 1 小时，这对于在开发环境中一次性安装来说几乎是 Not Acceptable ，但构建 Docker 镜像的时间却令人沮丧。
所以我有一个想法:也许可以将我自己的 Python 与 Conda 生态系统的其他部分集成？
最佳答案
这不是一个完整的解决方案，但 Spack 确实支持 binary packages ，以及 GitLab build pipelines并行构建它们并保持更新。它(还没有)是一个公共(public)二进制镜像，因此您可以从预先存在的构建中非常快速地安装这些东西。那是在工作中。
因此，如果您喜欢 Spack 方法，您可以为您的开发环境设置自己的二进制缓存和自动构建。
我不确定 Conda 的解决方案是什么。您可以制作自己的 conda-forge 包，但我认为如果您偏离标准包，您最终可能会重新实现很多包以支持您的用例。另一方面，他们可能会接受补丁以使您的特定配置正常工作。
关于python-3.x - 是否可以将我自己的 Python 解释器与 Conda 的 OpenCV python 库一起使用？，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/59935528/