开源项目causalml优化依赖管理：支持可选安装PyTorch

在机器学习领域，依赖管理一直是一个重要但容易被忽视的问题。近期，开源项目causalml在这方面做出了重要改进，允许用户选择性地安装PyTorch依赖，这一变化显著优化了项目的使用体验。

causalml作为Uber开源的因果机器学习工具包，原本强制依赖PyTorch框架。然而在实际应用中，并非所有用户都需要使用PyTorch相关的功能。这种强制依赖导致了一些问题：

1. 安装包体积过大：PyTorch作为深度学习框架，其安装包体积较大，导致整个应用镜像膨胀，有用户反映应用镜像因此达到了8GB
2. 依赖冲突：在某些环境中，PyTorch可能与其他包的版本要求产生冲突
3. 资源浪费：不使用PyTorch功能的用户被迫安装不必要的依赖

为了解决这些问题，causalml开发团队在最新版本(v0.15.2)中做出了重要改进：

1. 将PyTorch从核心依赖中移除
2. 采用Python包管理的"extras"机制，使PyTorch成为可选依赖
3. 用户现在可以根据实际需求选择是否安装PyTorch

这一改进特别有利于以下场景：

• 仅使用causalml中非深度学习相关功能的用户
• 对应用镜像大小敏感的生产环境
• 使用Poetry等现代依赖管理工具的项目

对于需要PyTorch功能的用户，仍然可以通过指定额外依赖的方式安装完整功能。这种灵活的依赖管理方式既满足了不同用户的需求，又优化了整体使用体验。

这一改进展示了开源项目如何通过倾听社区反馈不断优化自身。依赖管理的优化虽然看似技术细节，却能显著影响项目的易用性和适用范围。causalml的这一变化为其他机器学习项目提供了很好的参考，展示了如何在保持功能完整性的同时，提高项目的灵活性和用户友好度。