왜 conda 가 pip 옆에 존재하나

conda 가 pip 못 푸는 문제 풀어: non-Python binary install. conda install pytorch 하면 사전 컴파일된 PyTorch binary 받아 너 OS, CPU 아키텍처, CUDA 버전에 매치 — 컴파일 없음, Xcode 툴체인 없음, C extension 과 싸움 없음. 그 단일 기능이 conda 가 데이터 사이언스, 머신 러닝, 과학 컴퓨팅 지배하는 이유.

conda 가 cross-language, cross-platform 패키지 + 환경 매니저. Python 패키지 관리하지만, R 패키지, C/C++ 라이브러리 (OpenSSL, BLAS, MKL), CUDA 툴킷, 컴파일러, 전체 과학 stack 도. Conda 환경이 Python deps 뿐 아니라 그 아래 전체 binary stack 격리. 그래서 TensorFlow + CUDA 와 함께 conda create 가 한 명령으로 작동하는 GPU 환경 줘, 등가 pip 기반 셋업이 수동 CUDA 드라이버 install 필요할 수 있음.

Trade-off: conda 가 순수 Python 패키지엔 pip 보다 느림 (SAT solver 무거움), uv 보다 훨씬 느림. Conda 도 자기 ecosystem split 가짐 — 패키지가 channel (defaults, conda-forge, bioconda 등) 에 살고, 모든 PyPI 패키지가 channel 에 있는 건 아님. mix-conda-and-pip 워크플로우 진짜지만 에러 prone.

conda 사용 때: 데이터 사이언스, ML, 과학 컴퓨팅 할 때; GPU stack 필요 (PyTorch + CUDA, TensorFlow + cuDNN); non-Python binary 필요; 또는 conda 쓰는 프로젝트 inherit. uv 또는 pip 사용 때: 웹/API/CLI Python; deps 가 다 순수 Python; 속도 원함.

Code

conda 가 pip 가 못 하는 거·text

  pip install pytorch
  → 일부 플랫폼에 wheel 있음; CUDA 매칭은 너 문제
  → macOS Apple Silicon 에선 MPS-only 빌드 받음 (CUDA 없음)
  → 특정 CUDA 툴킷 필요하면 별도 install

  conda install pytorch -c pytorch
  → OS + arch + CUDA 매치된 사전 컴파일 binary
  → cudatoolkit + cudnn 자동 binary deps 로 끌고 옴
  → macOS Apple Silicon 에 자동 MPS 빌드, 마찰 없음

  그래서 데이터 사이언티스트 / ML 사람이 conda 사용. Python 패키지 아님.
  Binary stack 관리.

왜 conda 가 pip 옆에 존재하나

Code

External links

Exercise

Progress

댓글 0