uv: Alternativa Rápida a conda y venv

10 de marzo del 2025

Hasta ahora he estado controlando mis entornos con conda. Pero desde hace tiempo llevo leyendo mucho sobre poetry, pero sobre todo sobre uv. ¿Qué ventajas tiene uv? La velocidad. uv está implementado en Rust, por lo que gestiona los entornos e instala paquetes de una manera rapidísima.

En la siguiente tabla se muestra la diferencia de velocidad entre diferentes gestores de paquetes. Fuente: LLMs-from-scratch/setup/01_optional-python-setup-preferences/native-uv.md

Comando	Velocidad
`conda install <pkg>`	lento
`pip install <pkg>`	entre 2 y 10 veces más rápido que el anterior
`uv pip install <pkg>`	entre 5 y 10 veces más rápido que el anterior
`uv add <pkg>`	entre 2 y 5 veces más rápido que el anterior

Viendo la tabla, merece bastante la pensa usar uv. Así que vamos a ver cómo crear un entorno e instalar paquetes con uv.

Descarga de repositorio

Como he dicho, estoy usando LLMs-from-scratch/setup/01_optional-python-setup-preferences/native-uv.md como fuente, así que vamos a descargarnos el repositorio, instalar el entorno que propone y ver cómo ejecutar un script

Usamos --depth 1 para descargar solo el último commit del repositorio y que se clone más rápidamente, no nos interesa el historial.

	
		
			< >
			Input
		
		
			Python
			
		
	
	
		git clone https://github.com/rasbt/LLMs-from-scratch.git --depth 1
	
	Copied

>_ Output

			
				Cloning into 'LLMs-from-scratch'...
remote: Enumerating objects: 260, done.
remote: Counting objects: 100% (260/260), done.
remote: Compressing objects: 100% (226/226), done.
remote: Total 260 (delta 61), reused 121 (delta 22), pack-reused 0 (from 0)
Receiving objects: 100% (260/260), 1.64 MiB | 6.94 MiB/s, done.
Resolving deltas: 100% (61/61), done.

Ahora nos vamos al repositorio que hemos descargado

	
		
			< >
			Input
		
		
			Python
			
		
	
	
		cd LLMs-from-scratch
	
	Copied

Instalar `uv`

Si estamos en macOS o Linux, podemos instalar mediante el comando

curl -LsSf https://astral.sh/uv/install.sh | sh

Si estamos en Windows

curl -LsSf https://astral.sh/uv/install.sh | sh

Crear entorno

Si hacemos un ls podemos ver que hay un archivo llamado pyproject.toml, ese va a ser el archivo que uv usará para crear el entorno.

	
		
			< >
			Input
		
		
			Python
			
		
	
	
		ls
	
	Copied

>_ Output

			
				2025-03-10-uv.ipynb appendix-D          ch04                pyproject.toml
CITATION.cff        appendix-E          ch05                requirements.txt
LICENSE.txt         ch01                ch06                setup
README.md           ch02                ch07
appendix-A          ch03                pixi.toml

Así que vamos a ver qué tiene el archivo

	
		
			< >
			Input
		
		
			Python
			
		
	
	
		cat pyproject.toml
	
	Copied

>_ Output

			
				[project]
name = "llms-from-scratch"
version = "0.1.0"
description = "Implement a ChatGPT-like LLM in PyTorch from scratch, step by step"
readme = "README.md"
requires-python = "&gt;=3.10"
dependencies = [
    "torch&gt;=2.3.0",
    "jupyterlab&gt;=4.0",
    "tiktoken&gt;=0.5.1",
    "matplotlib&gt;=3.7.1",
    "tensorflow&gt;=2.18.0",
    "tqdm&gt;=4.66.1",
    "numpy&gt;=1.26,&lt;2.1",
    "pandas&gt;=2.2.1",
    "pip&gt;=25.0.1",
]
[tool.setuptools.packages]
find = {}
[tool.uv.sources]
llms-from-scratch = { workspace = true }
[dependency-groups]
dev = [
    "llms-from-scratch",
]
[tool.ruff]
line-length = 140
[tool.ruff.lint]
exclude = [".venv"]
# Ignored rules (W504 removed)
ignore = [
    "C406", "E226", "E402", "E702", "E703",
    "E722", "E731", "E741"
]

Como se puede ver, hay datos como el nombre, versión, etc, y las dependencias, que son los paquetes que vamos a instalar.

Para crear el entorno usamos el comando uv sync, además añadimos el flag --dev para instalar también las dependencias de desarrollo y el flag --python para especificar la versión de Python que queremos usar.

	
		
			< >
			Input
		
		
			Python
			
		
	
	
		uv sync --dev --python 3.11
	
	Copied

>_ Output

			
				Using CPython 3.11.11
Creating virtual environment at: .venv
Resolved 160 packages in 175ms
Installed 139 packages in 1.46s
+ absl-py==2.1.0
+ anyio==4.8.0
+ appnope==0.1.4
+ argon2-cffi==23.1.0
+ argon2-cffi-bindings==21.2.0
+ arrow==1.3.0
+ asttokens==3.0.0
+ astunparse==1.6.3
+ async-lru==2.0.4
+ attrs==25.1.0
+ babel==2.17.0
+ beautifulsoup4==4.13.3
+ bleach==6.2.0
+ certifi==2025.1.31
+ cffi==1.17.1
+ charset-normalizer==3.4.1
...
+ tzdata==2025.1
+ uri-template==1.3.0
+ urllib3==2.3.0
+ wcwidth==0.2.13
+ webcolors==24.11.1
+ webencodings==0.5.1
+ websocket-client==1.8.0
+ werkzeug==3.1.3
+ wheel==0.45.1
+ wrapt==1.17.2

Nos ha creado el entorno y ha instalado los paquetes de una manera rápidísima

Además, si volvemos a hacer ls ahora veremos una nueva carpeta llamada .venv, esa es la carpeta del entorno virtual.

	
		
			< >
			Input
		
		
			Python
			
		
	
	
		ls -a
	
	Copied

>_ Output

			
				.                   CITATION.cff        ch02                pyproject.toml
..                  LICENSE.txt         ch03                requirements.txt
.git                README.md           ch04                setup
.github             appendix-A          ch05                uv.lock
.gitignore          appendix-D          ch06
.venv               appendix-E          ch07
2025-03-10-uv.ipynb ch01                pixi.toml

Añadir paquetes

Si queremos añadir paquetes a nuestro entorno que no están en el archivo pyproject.toml, podemos hacerlo con el comando uv add <pkg>.

Por ejemplo, si hacemos cat pyproject.toml | grep dotenv veremos que no está instalado el paquete python-dotenv.

	
		
			< >
			Input
		
		
			Python
			
		
	
	
		cat pyproject.toml | grep dotenv
	
	Copied

De modo que añadimos el paquete

	
		
			< >
			Input
		
		
			Python
			
		
	
	
		uv add dotenv
	
	Copied

>_ Output

			
				Resolved 162 packages in 92ms
Installed 2 packages in 5ms                                      ░░░░░░░░░░░░░░░░░░░░ [0/0] Installing wheels...
+ dotenv==0.9.9
+ python-dotenv==1.0.1

Si ahora volvemos a hacer cat pyproject.toml | grep dotenv veremos que se ha añadido al archivo.

	
		
			< >
			Input
		
		
			Python
			
		
	
	
		cat pyproject.toml | grep dotenv
	
	Copied

>_ Output

			
				    "dotenv&gt;=0.9.9",

Esto es muy bueno, porque ahora con este nuevo archivo pyproject.toml podemos recrear el entorno con el comando uv sync en cualquier otro ordenador.

Ejecutar un script

Ahora que ya tenemos un entorno podemos ejecutar un script de dos maneras, la primera con uv run python <script>.py, que activará el entorno de .venv y ejecutará el script.

	
		
			< >
			Input
		
		
			Python
			
		
	
	
		uv run python setup/02_installing-python-libraries/python_environment_check.py
	
	Copied

>_ Output

			
				[OK] Your Python version is 3.11.11
[OK] torch 2.6.0
[OK] jupyterlab 4.3.5
[OK] tiktoken 0.9.0
[OK] matplotlib 3.10.1
[OK] tensorflow 2.18.0
[OK] tqdm 4.67.1
[OK] numpy 2.0.2
[OK] pandas 2.2.3
[OK] psutil 7.0.0

Sin embargo, si lo que queremos es ejecutar el script directamente con python <script>.py necesitamos activar el entorno primero a mano

	
		
			< >
			Input
		
		
			Python
			
		
	
	
		source .venv/bin/activate && python setup/02_installing-python-libraries/python_environment_check.py
	
	Copied

>_ Output

			
				[OK] Your Python version is 3.11.11
[OK] torch 2.6.0
[OK] jupyterlab 4.3.5
[OK] tiktoken 0.9.0
[OK] matplotlib 3.10.1
[OK] tensorflow 2.18.0
[OK] tqdm 4.67.1
[OK] numpy 2.0.2
[OK] pandas 2.2.3
[OK] psutil 7.0.0

Preguntas frecuentes

¿Para qué sirven los flags --dev y --python en uv sync --dev --python 3.11?

El flag --python 3.11 le dice a uv sync con qué versión de Python crear el entorno virtual (en el ejemplo crea .venv con CPython 3.11.11), y --dev hace que además de las dependencias normales del pyproject.toml se instalen las del grupo [dependency-groups] dev = [...]. El comando resuelve e instala los paquetes muy rápido, en el ejemplo del post resolvió 160 paquetes en 175ms e instaló 139 en 1.46s.

¿Cómo añadir un paquete que no está en pyproject.toml con uv?

Se usa el comando uv add <paquete>, por ejemplo uv add dotenv, que resuelve e instala el paquete (y sus dependencias, como python-dotenv) directamente en el entorno .venv. Además, uv add añade automáticamente la entrada correspondiente (por ejemplo "dotenv>=0.9.9") a la sección de dependencias del pyproject.toml, de forma que ese entorno se puede recrear en otra máquina simplemente con uv sync.

Seguir leyendo

Conda: Gestión de Entornos Python

Conda vs Pip: guía completa de gestión de paquetes Python. Descubre Conda y Mamba para tus proyectos de ciencia de datos.

unittest en Python: Tests Unitarios

Test unitarios en Python con unittest: aprende a crear tests y medir cobertura para refactorizar código con total confia...

Docker (1/2): contenedores, imágenes y aplicaciones

🐳 Primera parte de la guía de Docker. Crea todos los entornos de desarrollo que quieras: aprende a manejar contenedores...

Últimos posts -->

¿Has visto estos proyectos?

Gymnasia

LangGraph Deep Researcher

Tau

Ver todos los proyectos -->

>_ Disponible para proyectos

¿Tienes un proyecto con IA?

Hablemos.

maximofn@gmail.com

Especialista en Machine Learning e Inteligencia Artificial. Desarrollo soluciones con IA generativa, agentes inteligentes y modelos personalizados.

Escríbeme LinkedIn

¿Quieres ver alguna charla?

Agentes del Mañana: Descifrando los Enigmas de Planificación, UX y Memoria

Los agentes IA, impulsados por LLMs, prometen transformar aplicaciones. Pero, ¿son hoy simples ejecutores o futuros colaboradores inteligentes? Para a...

Crea tu propio Apple intelligence

Aprende a crear un sistema de IA para ejecutar eficientemente en un dispositivo

Últimas charlas -->

¿Quieres mejorar con estos tips?

Buenas prácticas creando agentes con Claude Code

Charla técnica: skills, subagentes, slash commands y MCPs en Claude Code

o1 prompt engineering

Crear mejores prompts para o1 siguiendo un ejemplo

Memory profiler

Ver el uso de memoria de un script

Últimos tips -->

Usa esto en local

Los espacios de Hugging Face nos permite ejecutar modelos con demos muy sencillas, pero ¿qué pasa si la demo se rompe? O si el usuario la elimina? Por ello he creado contenedores docker con algunos espacios interesantes, para poder usarlos de manera local, pase lo que pase. De hecho, es posible que si pinchas en alún botón de ver proyecto te lleve a un espacio que no funciona.