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

AIエージェントを"事業に載せる"ために【第1回】

AIエージェントを"事業に載せる"ために【第1回】

AI導入事故は何を示しているのか — AI導入を"事業に載せる"ために、いま設計すべきこと(全3回) こんにちは!Qualitegコンサルティングチームです! AIエージェントを導入する企業が増える一方で、 「試してみる」段階から「事業に載せる」段階へ進める難しさ が、はっきり見え始めています。 本シリーズでは、AIエージェント導入を技術論だけでなく、責任分解・監査可能性・契約・運用統制を含む業務設計の問題として整理します。 全3回を通じて、「AIが賢いかどうか」ではなく、「AIを業務に載せるために何を設計するか」を考えていきます。 第1回となる本記事では、2025年に起きた2つの事例を出発点に、なぜいま「責任設計」が問題になっているのかを見ていきます。 上図は、本シリーズ全体で扱う論点の全体像です。 AIエージェントの導入は、技術的なモデル選定だけでは完結せず、権限設計、契約、監査、品質監視、保険、異常時対応まで含めた設計が必要になります。 第1回ではまず、なぜこうした設計が求められるようになったのかを、実際の事例から見ていきたいとおもいます なお、本シリー

By Qualiteg コンサルティング
PII検出の混同行列では見えないもの ― 認識器間衝突と統合テスト

PII検出の混同行列では見えないもの ― 認識器間衝突と統合テスト

こんにちは!Qualiteg研究部です! 個人情報(PII: Personally Identifiable Information)の自動検出は、テキスト中から特定の表現を抽出し、それがどの種類のPIIに当たるかを判定する問題として捉えることができます。 電話番号、人名、口座番号、金額表現など、検出対象のPIIタイプが増えるにつれて、単一の手法ではカバーしきれなくなり、性質の異なる複数の認識器(Recognizer)を組み合わせるマルチレイヤー構成が採用されるのが一般的です。 本稿で想定しているのは、ユーザーが海外製LLMにチャットを送信する直前に、その内容に個人情報や機密情報が含まれていないかをリアルタイムに検査するユースケースです。 この場面では、検出精度だけでなく、送信体験を損ねない速度が不可欠です。 高精度なLLMやBERT系モデル、NERベースの手法は有力ですが、送信前チェックの第一層として常時適用するには、レイテンシやコストの面で不利になることがあります。 そのため、本システムでは、正規表現、辞書、軽量なルールベース認識器を組み合わせた超高速な第一層を設け、そ

By Qualiteg 研究部, Qualiteg AIセキュリティチーム
日本語対応 LLMランキング2026 ~ベンチマーク分析レポート~(3月6日版)

日本語対応 LLMランキング2026 ~ベンチマーク分析レポート~(3月6日版)

はじめに 本レポートは、Nejumi Leaderboard 4のベンチマークデータ(2026/3/6版)に基づいて、日本語対応LLMの性能を総合的に分析したものです。 前回は 2025/12/18 版の分析レポート を公開しましたが、約3か月でまたもや大きな変動がありました! (定期的に最新LLMランキングを更新してまいります。当社のX(旧Twitter)をフォローいただくことで更新情報を受け取り可能です) Nejumi Leaderboard 4は、日本語タスクにおけるLLMの性能を多角的に評価する信頼性の高いベンチマークとして知られています。 本分析では、商用APIモデルとオープンモデルの両方を対象に、それぞれの特徴や傾向を詳しく見ていきます。 オープンソースモデルについて Weightがオープンなモデルは場合によっては「オープンソースモデル」、「OSSモデル」と呼ばれますが、モデルによっては「オープンソース」と呼ぶには不十分な場合があるため本稿では、「オープンソースモデル」ではなく「オープンモデル」と表現しています。 ベンチマーク分析について 本レポートは

By Qualiteg コンサルティング, Qualiteg プロダクト開発部
日経トレンディ 2026年4月号に Bestllam の広告を掲載しました

日経トレンディ 2026年4月号に Bestllam の広告を掲載しました

こんにちは! このたび、日経トレンディ 2026年4月号(2026年3月4日発売、雑誌)に、当社のエンタープライズ向け統合型AIプラットフォーム「Bestllam」を掲載しました。 日経トレンディ(雑誌)は全国の書店・コンビニエンスストアにてお買い求めいただけますので、お手に取った際はぜひご覧くださいませ。 Bestllam とは? Bestllam は、「チャットで指示するだけ。仕事が終わっている。」をコンセプトに開発した、エンタープライズ向けの統合型AIプラットフォームです。 主な特長 20種類以上のLLMを、契約一本で OpenAI GPT、Anthropic Claude、Google Gemini をはじめ、DeepSeek、Qwen、Llama など商用・オープンソース合わせて20種類以上のLLMを1つの契約で利用できます。各プロバイダと個別に契約を結ぶ手間が不要になります。 6つのLLMに同時質問して、最適な答えを選択 同じ質問を複数のLLMに一括投げかけ、回答を比較・検討できます。各モデルの得意・不得意を活かすことで、重要な意思決定や精度が求められる業

By Qualiteg ビジネス開発本部 | マーケティング部