Python仮想環境でハマった依存関係エラーの解決方法

Python仮想環境でハマった依存関係エラーの解決方法

こんにちは!今日は入れた覚えの無いパッケージが引き起こす「あるある」な謎エラーと原因について記載します。

今回の環境は Windows に Python,Anaconda を入れた状態で発生した例ですが、Linuxでも本質的には同じだとおもいます。

グローバル環境の汚染が原因だった話

問題の発生

Pythonプロジェクトの環境構築中、必要なパッケージをインストールしていたら、突然エラーメッセージが表示されました。

pip install opencv-python==4.8.1.78

実行後に表示されたエラー

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.
accelerate 0.19.0 requires packaging>=20.0, which is not installed.
accelerate 0.19.0 requires psutil, which is not installed.
accelerate 0.19.0 requires torch>=1.6.0, which is not installed.

最初の疑問

「accelerateなんてインストールしてないのに...」

今回インストールしようとしていたのは、Webアプリケーション開発用のパッケージ群で、機械学習系のaccelerateは含まれていませんでした。

どこからaccelerateが出てきたのか?

原因の調査

まず、accelerateの場所を確認:

pip show accelerate

結果

Name: accelerate
Version: 0.19.0
Location: c:\users\[username]\appdata\roaming\python\python310\site-packages
Required-by: 

ポイント

  • Locationが仮想環境(c:\tools\anaconda3\envs\...)ではない
  • ユーザーのグローバル環境(appdata\roaming)にインストールされている
  • Required-byが空 = 誰も依存していない

真相

ユーザー環境の全パッケージを確認

pip list --user

結果、20個以上のパッケージがグローバルに入っていることが判明。様々なプロジェクトで使われるパッケージが混在している状態でした。

原因:過去に誰か(たぶん自分💦)が仮想環境を有効化せずにパッケージをインストールしていた

よくある失敗パターン

パターン1: 仮想環境の有効化を忘れる

# 間違い:仮想環境を有効化し忘れ
pip install some-package

# 正解:仮想環境を有効化してからインストール
conda activate myenv
pip install some-package

パターン2: --userオプションの誤用

# 間違い:グローバルにインストール
pip install --user some-package

# 正解:仮想環境内にインストール
pip install some-package

パターン3: IDEの環境設定ミス

VSCodeやPyCharmで間違った環境を選択していると、意図しない場所にパッケージがインストールされる

解決方法

方法1: 問題のパッケージだけ削除

pip uninstall -y accelerate

方法2: ユーザー環境を完全クリーンアップ(これが推奨)

PowerShellで実行

pip list --user --format=freeze | ForEach-Object { $_.split('==')[0] } | ForEach-Object { pip uninstall -y $_ }

コマンドプロンプトの場合

for /f "delims==" %i in ('pip list --user --format=freeze') do pip uninstall -y %i

教訓とベストプラクティス

1. 常に仮想環境を使う

# Anaconda
conda create -n myproject python=3.10
conda activate myproject

# または venv
python -m venv myenv
myenv\Scripts\activate  # Windows
source myenv/bin/activate  # Linux/Mac

2. 環境の確認を習慣化

# 現在の環境を確認
where python  # Windows
which python  # Linux/Mac

# インストール済みパッケージの場所を確認
pip list -v

3. requirements.txtで管理

# 環境を固定
pip freeze > requirements.txt

# 再現可能な環境構築
pip install -r requirements.txt

4. ユーザー環境は空に保つ

# 定期的にチェック
pip list --user
# 理想は「空」または最小限のツールのみ

注意点:pip uninstallには--userオプションがない

多くの人が勘違いしやすいポイント

  • pip install --user → ユーザー環境にインストール(存在する)
  • pip uninstall --user → このオプションは存在しない
  • pip uninstall → 自動的にユーザー環境・仮想環境の両方から探して削除

まとめ

今回のエラーは「仮想環境内のパッケージ」と「グローバル環境のパッケージ」の依存関係の衝突が原因でした。

重要なポイント

  • エラーメッセージは実際には警告で、インストール自体は成功していた
  • グローバル環境の汚染は、チーム開発でよくある問題
  • 仮想環境を正しく使えば、このような問題は防げる
  • 定期的にグローバル環境をチェックして、クリーンに保つことが重要

Python開発では仮想環境の管理が重要だということが、今回身に沁みました。
今回のような問題に遭遇したら、まずはpip showpip list --userで環境を確認するのがよさそうです

Read more

Google GenAI SDK のストリーミングでマルチターン画像編集🍌が不安定になる問題と対処法

Google GenAI SDK のストリーミングでマルチターン画像編集🍌が不安定になる問題と対処法

こんにちは! Gemini 3 Pro Image (Nano banana Pro)を使ったマルチターン画像編集機能を実装していたところ、動いたり動かなかったりするという厄介な問題に遭遇しました。 本記事では、この問題の現象、原因調査の過程、そして解決策を共有します。 問題の現象 実行環境 Google GenAI SDKライブラリ(pip): google-genai 1.56.0 期待する動作 1. ユーザー: 「かわいい子猫の画像を生成して」 2. Gemini: 子猫の画像を生成 3. ユーザー: 「この子にメガネをかけて」 4. Gemini: 同じ子猫にメガネをかけた画像を生成 実際に起きた現象 1. ユーザー: 「かわいい子猫の画像を生成して」 2. Gemini: 茶色の子猫の画像を生成 3. ユーザー: 「この子にメガネをかけて」 4. Gemini: メガネをかけた女の子の画像を生成

By Qualiteg プロダクト開発部
【出展報告】TOKYO DIGICONX 2026

【出展報告】TOKYO DIGICONX 2026

こんにちは! 先日、「TOKYO DIGICONX 2026」に出展してまいりましたのでレポートさせていただきます! TOKYO DIGICONX 2026 TOKYO DIGICONX 2026は、2026年1月8日(木)~10日(土)に東京ビッグサイト 南3・4ホールで開催された、XR・メタバース・AI・Web3をテーマにした総合展示会です。 正式名称は「第3回 TOKYO XR・メタバース&コンテンツビジネスワールド」で、東京都、XRコンソーシアム、Metaverse Japan、東京商工会議所で構成されるXR・メタバース等産業展実行委員会が主催しています。 180社以上のスタートアップや企業が出展し、ビジネスデイ(8日・9日)とパブリックデイ(10日)の3日間にわたり、XR・メタバース・AI分野の最前線を体感できるイベントとなりました。 冬の東京ビッグサイト 新年明けて間もない1月の東京ビッグサイト。お正月気分もそこそこに、気合を入れて会場入りしました�

By Qualiteg ビジネス開発本部 | マーケティング部
コーディングエージェントの現状と未来への展望 【第2回】主要ツール比較と構造的課題

コーディングエージェントの現状と未来への展望 【第2回】主要ツール比較と構造的課題

こんにちは! 今回は、コーディングエージェントシリーズ第2回です! 前回の第1回では、2025年12月時点で百花繚乱状態にあるAIコーディングエージェントの全体像を俯瞰しました。 AIコーディングエージェント20選!現状と未来への展望 【第1回】全体像と基礎こんにちは! 今回は、20種類以上あるまさに百花繚乱なAIコーディングツールを一挙に紹介&解説していきたいとおもいます! AIをつかったコーディングはもはや常識となり、日々目まぐるしく新しいツールが登場しています。当社でも自社開発のAIコーディングツールをふくめ複数のツールを活用してソフトウェア開発をすすめていますが、次々とナイスなツールがでてきて興奮しつつも、正直キャッチアップが追いつかない…!という状況です。 「結局どれを使えばいいの?」「Claude CodeとCursorって何が違うの?」「オープンソースでも使えるやつあるの?」——そんな疑問を持っている方も多いのではないでしょうか。 そこで本シリーズでは、2025年12月時点でのAIコーディングツールを徹底的に整理してみました。商用サービスからオープンソースまで、20

By Qualiteg コンサルティング
LLM学習の現実:GPU選びから学習コストまで徹底解説

LLM学習の現実:GPU選びから学習コストまで徹底解説

こんにちは! なぜOpenAIやAnthropicは世界最高水準のLLMを作れるのに、それに肩を並べる日本発のLLMは存在しないのでしょうか? 技術力の差でしょうか。それとも人材の問題でしょうか。 答えはもっとシンプルです。GPUの枚数とお金です。 今日はそんな 「LLMの学習」にフォーカスをあて、そのリアルについて徹底解説いたします! 1. はじめに 「LLMを自分で学習させてみたい」 そう思ったとき、最初にぶつかる壁がGPUの問題です。 どのGPUを何枚使えばいいのか。クラウドで借りるべきか、オンプレで買うべきか。そもそも個人や小規模チームでLLM学習は現実的なのか。 本記事では、こうした疑問に対して、具体的な数字と事例を交えながら答えていきます。 たとえばLLaMA 2の学習にはA100が2,048枚使われました。DeepSeek-V3は約8億円かかりました。では、あなたの手元のGPUでは何ができるのか。そこを明らかにしていきたいと思います。 対象読者は、LLM学習に興味があるエンジニアや研究者です。PyTorchでモデルを書いたことがある程度の知識を前提とし

By Qualiteg プロダクト開発部, Qualiteg 研究部