跳到主要内容

2025-12-13-uv 一个pyproject.toml同时支持cpu和gpu依赖

· 阅读需 7 分钟
梓宏
梓宏
楚闲人/黑吗喽

希望是在一个pyproject.toml里解决同一个python工程支持cpu和gpu环境下不同的依赖。

环境​

ubuntu24 内核6.14.0-24
uv 0.9.11

背景​

我有一个python工程，想同时支持cpu和gpu环境下使用，那么torch onnxruntime等需要依赖的包就不一样。不想提供多个requirements.txt，希望是在一个pyproject.toml里解决。

pyproject.toml 一开始参考网上的写法 为：

[project] 
...略...
dependencies = [ # 核心通用依赖 "numpy==1.26.4", "opencv-python-headless==4.8.1.78", "Pillow==10.2.0", "scikit-image==0.22.0", "protobuf==4.25.3", "transformers==4.44.0", "sentencepiece==0.1.99", "open_clip_torch==2.24.0", "insightface==0.7.3", "onnxruntime==1.17.0", "fastapi==0.110.1", "pydantic==2.7.1", "uvicorn==0.29.0" ] 

# 可选依赖（CPU/GPU） 
[project.optional-dependencies] 
cpu = [ "torch==2.2.2", "torchvision==0.17.2", "torchaudio==2.2.2", "onnxruntime==1.17.0" ] 
gpu = [ "torch==2.2.2+cu121", "torchvision==0.17.2+cu121", "torchaudio==2.2.2", "onnxruntime-gpu==1.17.0" ] 

[tool.uv.sources] 
torch = [ { index = "pytorch-cpu", extra = "cpu" }, { index = "pytorch-cu124", extra = "gpu" }, ] 
torchvision = [ { index = "pytorch-cpu", extra = "cpu" }, { index = "pytorch-cu124", extra = "gpu" }, ] 
torchaudio = [ { index = "pytorch-cpu", extra = "cpu" }, { index = "pytorch-cu124", extra = "gpu" }, ] 

[[tool.uv.index]] 
name = "pytorch-cpu" 
url = "https://download.pytorch.org/whl/cpu" 
explicit = true 
[[tool.uv.index]] 
name = "pytorch-cu124" 
url = "https://download.pytorch.org/whl/cu124" 
explicit = true 
# 镜像设置 
[tool.uv] 
index-url = "https://mirrors.cernet.edu.cn/pypi/web/simple"

作者：samonyu  
链接：https://juejin.cn/post/7468614239940526107  
来源：稀土掘金  
著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。

运行结果报错(网上的--optional 参数不对):

uv sync --extra gpu 
× Failed to resolve dependencies for `ai-pipeline` (v0.1.0) ╰─▶ Requirements contain conflicting indexes for package `torch` in all marker environments: - [https://download.pytorch.org/whl/cpu](https://download.pytorch.org/whl/cpu) - [https://download.pytorch.org/whl/cu121](https://download.pytorch.org/whl/cu121)

错误很明显，但gpt 豆包 qwen都没给合适的方式。

关键官方文档​

从 这篇贴文 间接找到 https://docs.astral.sh/uv/reference/settings/#index 然后将其让豆包根据这个文档再来处理，有了一个接近成功的方案：

# 可选依赖（CPU/GPU 包区分，仅定义依赖，不绑定索引）  
[project.optional-dependencies]  
cpu = [  
    "torch==2.2.2",          # CPU 版 PyTorch（无 CUDA 后缀）  
    "torchvision==0.17.2",  
    "torchaudio==2.2.2",  
    "onnxruntime==1.17.0"    # CPU 版 onnxruntime]  
gpu = [  
    "torch==2.2.2+cu121",    # GPU 版 PyTorch（带 CUDA 后缀）  
    "torchvision==0.17.2+cu121",  
    "torchaudio==2.2.2",  
    "onnxruntime-gpu==1.17.0"# GPU 版 onnxruntime]  
  
# UV 基础配置（仅默认 PyPI 镜像，无额外索引绑定）  
[tool.uv]  
index-url = "https://mirrors.cernet.edu.cn/pypi/web/simple"  # 加速普通依赖

然后运行 uv sync --extra gpu \ --extra-index-url https://download.pytorch.org/whl/cu121 这个方案有个问题会使depency里的Numpy这种依赖也走这个url,导致安装失败，根据错误提示很容易知道 增加 -- index-strategy = "unsafe-best-match" 或者对应的[too.uv]下的配置即可解决。

最终方案​

虽然成功了，但是还是不满意，因为觉得上述用法是让url 扩大化/错误地作用在了所有的依赖上，而用index-strategy纠正了，还是更想用最初的想法。 而且通过上文的官方文档也知道，在index里指定explicit=true就只作用在sources里配置的torch这些上，再结合前面的命令行传参的思路，尝试和提问豆包，验证后得到最终的方案：

# 可选依赖（CPU/GPU 包区分，仅定义依赖，不绑定索引）  
[project.optional-dependencies]  
cpu = [  
    "torch==2.2.2",          # CPU 版 PyTorch（无 CUDA 后缀）  
    "torchvision==0.17.2",  
    "torchaudio==2.2.2",  
    "onnxruntime==1.17.0"    # CPU 版 onnxruntime]  
gpu = [  
    "torch==2.2.2+cu121",    # GPU 版 PyTorch（带 CUDA 后缀）  
    "torchvision==0.17.2+cu121",  
    "torchaudio==2.2.2",  
    "onnxruntime-gpu==1.17.0"# GPU 版 onnxruntime]  
  
# UV 基础配置（仅默认 PyPI 镜像，无额外索引绑定）  
[tool.uv]  
index-url = "https://mirrors.cernet.edu.cn/pypi/web/simple"  # 加速普通依赖  
#index-strategy = "unsafe-best-match" # 否则dependencies中的numpy这些也会走命令行中指定的--extra-index-url https://download.pytorch.org/whl/cu121  
  
[[tool.uv.index]]  
name = "pytorch"  
url = "https://placeholder-for-pytorch-index"  # 占位符，无实际作用  
explicit = true  
  
[tool.uv.sources]  
torch = [  
    { index = "pytorch" }  
]  
torchvision = [  
    { index = "pytorch" }  
]  
torchaudio = [  
    { index = "pytorch" }  
]

然后运行 uv sync --extra gpu --index pytorch=https://download.pytorch.org/whl/cu121 搞定。

cpu版本的命令为：uv sync --extra cpu \ --index pytorch=https://download.pytorch.org/whl/cpu

注意这里的url必须写个占位地址，豆包的解释是（符合逻辑和验证，未去官网验证）：

  • TOML 不支持运行时变量插值（如 ${tool.uv.index-url}），无法直接留空或动态引用。

ps:这里豆包说仍然需要index-strategy = "unsafe-best-match"，但我认为并不需要（因为url作用范围缩到最小了），验证后确实不需要，注释掉。

过度设计？仅有的「分开装 CPU 版」的特殊场景（几乎都是边缘情况）​

只有以下场景，装纯 CPU 版依赖才有微弱价值：

场景说明是否值得折腾？
纯 CPU 环境部署（如云服务器无 GPU）服务器没有 GPU、也没装 CUDA 驱动，GPU 版依赖的「GPU 加速模块」会成为冗余，但不影响运行（只是多占一点磁盘）不值得：GPU 版依赖仍能正常运行 CPU 逻辑，仅多几十 MB 磁盘占用；若极度追求精简（如嵌入式设备），可装 CPU 版
依赖体积极致优化CPU 版依赖比 GPU 版小几十 MB~ 几百 MB（比如 torch CPU 版～400MB，GPU 版～1.2GB）不值得：现代环境磁盘 / 网络都不缺这点空间，除非是嵌入式 / 极简容器场景
极少数 GPU 版兼容问题极个别老旧库的 GPU 版在纯 CPU 环境下可能报「找不到 CUDA 库」的警告（但不影响运行）不值得：只需加一行环境变量（如 CUDA_VISIBLE_DEVICES=-1）即可屏蔽警告，无需换依赖
严格的合规 / 审计要求环境不允许包含未使用的 GPU 模块（如部分政企场景）视合规要求而定，属于极特殊情况
Loading Comments...