DeepLabCut在MacOS M1芯片上的GUI安装问题解决方案
2025-06-10 17:00:51作者:瞿蔚英Wynne
问题背景
DeepLabCut是一个流行的开源动物行为分析工具包,但在MacOS系统特别是M1芯片设备上安装时,用户可能会遇到GUI组件安装失败的问题。本文针对这一问题提供详细的解决方案。
核心问题分析
在MacOS Sonoma 14.2.1系统上,使用M1 Pro芯片安装DeepLabCut 2.2.3版本时,主要报错集中在wxPython组件的构建失败。错误信息显示构建过程耗时较长后最终失败,提示无法构建wxPython的wheel文件。
技术解决方案
方案一:使用预配置环境文件
- 首先删除可能存在的旧环境:
conda remove -n DEEPLABCUT_M1 --all
- 创建新环境并安装依赖:
conda env create -f DEEPLABCUT_M1.yaml
conda activate DEEPLABCUT_M1
python -m deeplabcut
方案二:手动安装
- 创建基础Python环境:
conda create -n DEEPLABCUT_M1 python=3.10
conda activate DEEPLABCUT_M1
- 安装必要组件:
conda install -c conda-forge "notebook<7.0.0" nb_conda jupyter ipython ffmpeg pytables
pip install "deeplabcut[gui,apple_mchips]"
技术要点说明
- Python版本选择:不再支持Python 3.8,建议使用Python 3.10版本
- wxPython问题:新版本DeepLabCut已不再依赖wxPython组件
- M1芯片支持:专门提供了针对Apple M系列芯片的安装选项
常见问题处理
- 如果遇到环境已存在的错误,务必先删除旧环境再创建新环境
- 安装过程可能需要较长时间,特别是在构建某些科学计算包时
- 确保使用conda-forge渠道获取最新兼容的软件包
总结
通过上述两种方案,用户可以成功在MacOS M1设备上安装DeepLabCut完整版,包括GUI组件。方案一使用预配置的环境文件更为简便可靠,是推荐的首选方法。方案二则提供了更大的灵活性,适合有特殊需求的用户。
登录后查看全文
热门项目推荐
相关项目推荐
kernelopenEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。C042
MiniMax-M2.1从多语言软件开发自动化到复杂多步骤办公流程执行,MiniMax-M2.1 助力开发者构建下一代自主应用——全程保持完全透明、可控且易于获取。Python00
kylin-wayland-compositorkylin-wayland-compositor或kylin-wlcom(以下简称kywc)是一个基于wlroots编写的wayland合成器。 目前积极开发中,并作为默认显示服务器随openKylin系统发布。 该项目使用开源协议GPL-1.0-or-later,项目中来源于其他开源项目的文件或代码片段遵守原开源协议要求。C01
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00
GLM-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
agent-studioopenJiuwen agent-studio提供零码、低码可视化开发和工作流编排,模型、知识库、插件等各资源管理能力TSX0121
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
项目优选
收起
deepin linux kernel
C
26
10
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
435
3.3 K
Ascend Extension for PyTorch
Python
241
277
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
694
367
仓颉编译器源码及 cjdb 调试工具。
C++
138
869
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
65
19
暂无简介
Dart
696
163
React Native鸿蒙化仓库
JavaScript
270
328
仓颉编程语言运行时与标准库。
Cangjie
145
881