CUDA9.1安装TORCH 出错解决

最新推荐文章于 2025-06-19 11:12:37 发布
最新推荐文章于 2025-06-19 11:12:37 发布
阅读量868 收藏
点赞数
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/COMEDAYLYH/article/details/88927377
本文介绍了一种在不使用CUDA的情况下安装PyTorch的方法。通过设置环境变量`TORCH_NVCC_FLAGS`为`-D__CUDA_NO_HALF_OPERATORS__`来避免使用CUDA头文件，然后运行`./install.sh`完成安装。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

首先

输入下面shell命令禁止使用cuda的头文件编译torch：

export TORCH_NVCC_FLAGS="-D__CUDA_NO_HALF_OPERATORS__"

 

再次输入

./install.sh即可顺利安装。

COMEDAYLYH
关注
LLaMA Factory多卡微调的实战教程（持续更新）
herosunly的博客
06-12 25万+
本文主要介绍了LLaMA Factory多卡微调的实战教程（持续更新），希望对学习大语言模型的同学们有所帮助。 文章目录 1. 前言 2. 配置环境 2.1 安装虚拟环境 2.2 安装依赖库 2.3 模型选型与下载 2.4 配置多卡环境 3. 运行代码 3.1 构建训练数据 3.2 修改配置文件 3.3 微调 3.3.1 zero3微调 3.3.2 启动API 3.3.3 模型测试
cuda9.1环境安装torch报错
longma666666的博客
06-21 946
输入下面shell命令禁止使用cuda的头文件编译torch：export TORCH_NVCC_FLAGS="-D__CUDA_NO_HALF_OPERATORS__"再次输入./install.sh即可顺利安装。
CUDA9.1:Pytorch GPU版安装
qq_43760191的博客
12-02 5021
以下命令在Anaconda Prompt中执行。 一、创建虚拟环境、切换虚拟环境 cuda9.1对于的python版本是3.6 #conda create -n 虚拟环境名 python=版本号 #创建一个python版本是3.6的python环境，命名为pytorch-gpu conda create -n pytorch-gpu python=3.6 #删除虚拟环境 conda remove -n pytorch-gpu --all #创建完以后进入虚拟环节 conda activate p
AssertionError: Torch not compiled with CUDA enabled
最新发布
weixin_40388758的博客
06-19 404
这部分看起来是正确的，self.device 在初始化时被明确设置为 cpu，应该避免了 CUDA 相关问题。self.device = torch.device('cpu') # 强制保持 CPU。
cuda9.1版本如何安装torch和cuda
爱敲代码的小赤佬
09-06 3616
在实验室电脑又重新装了下环境，机器cuda版本过低还很罕见（cuda9.1）,找了好久没找到对应的torch版本，多谢学长的帮助。 对应版本：cuda9.1+torch0.4.0+python3.6(3.6以上不行)。 pip install http://download.pytorch.org/whl/cu91/torch-0.4.0-cp36-cp36m-win_amd64.whl conda install pytorch=0.4.0 cuda91 -c pytorch conda instal
torch.cuda 相关函数
Pain is inevitable but suffering is optional.
02-03 487
torch.cuda 相关函数。
CUDA：nvcc编译参数示例
热门推荐
fb_help的专栏
05-26 1万+
CUDA：nvcc编译参数示例 前言 nvcc中有控制程序兼容性的参数，本节主要讲这些参数，如果对原理想有了解见CUDA：NVCC编译过程和兼容性详解 CMake中的参数写法和命令行的写法都有。 多种编译写法 虚拟架构+真实框架 这种编译要编译成唯一的结果，即确定GPU对象，写法如下： set(CUDA_NVCC_FLAGS -arch=compute_60;-code=sm_61)...
Win10+python3.7+cuda9.1+cudnn7+tensorflow1.6.0/1.12.0-GPU安装过程
莫非d13
05-12 4802
Win10+python3.7+cuda9.1+cudnn7+tensorflow1.6.0-GPU（两天的结果） ！！！警告Anaconda最好不要卸载重装，第一次装上容易，后面卸了之后重装就会一大堆问题，我重装了不下6次，嘻嘻，以下顺序最好不要乱，否则就enmmmm。 Python如果还没安装可以先不安装，Anaconda自带python程序安装，如果装了高版本的3.7及以上，也没有关系，An...
win10+cuda9.1+cudnn7.1.3+pytorch-0.4.1
CosmosSeed的博客
08-20 696
win10+cuda9.1+cudnn-9.1-windows10-x64-v7.1.3+pytorch-0.4.1-py37_cuda90_cudnn7he774522_1 新手第一次安装，竟然安装了一天，醉了醉了。 写在最前面，安装第三步安装pytorch和torchvision时，最后是用conda新建一个虚拟环境，防止破坏原始的python环境条件，用conda创建一个虚拟环境对于以后做项目来讲，不需要有无用的包造成影响等。 1、上一篇文章说了，先看自己电脑对应的cuda版本型号，这里就不多说了。
win10配置深度学习环境（anaconda3+pytorch1.9+python3.7+cuda10.2）
gyxx1998的博客
08-26 1739
1 下载VS2019 安装地址： https://visualstudio.microsoft.com/zh-hans/vs/ 安装参考： Microsoft Visual Studio VS2019中文版本软件下载及安装教程！ Win10 系统在 Visual Studio 2019 环境下配置 CUDA 10.1 + TensorFlow-GPU 1.14.0 1 下载Anaconda 下载地址：https://www.anaconda.com/products/individual
CUDA与cuDNN在linux / Ubuntu22.04上的安装与卸载，包含CUDA的.run安装与.deb安装，cuDNN的.tar安装与.deb安装
weixin_47937828的博客
08-15 7796
主要关注CUDA与cuDNN在linux / Ubuntu22.04上的安装与卸载。 1. 整合了两种CUDA安装方式（.run与.deb）、两种cuDNN的安装方式（.tar.xz与.deb），网上好像没什么人做这个 2. 整合了CUDA与cuDNN的官方样例代码的测试方法 3. 整合了CUDA与cuDNN的版本切换方法，尤其是完善的使用脚本的一键切换版本方法（部分代码由GPT辅助生成） 4. 整合了CUDA与cuDNN的彻底卸载方法
DCNV2编译遇到的问题
zhaoyan272898330的博客
04-08 2197
显卡Nvidia RTX TITAN pytorch 1.5.0 cuda 10.2 报错： nvcc fatal : Unsupported gpu architecture 'compute_80' ninja: build stopped: subcommand failed. 解决方法： 在DCNV2目录下setup.py文件中添加一行代码 if torch.cuda.is_available() and CUDA_HOME is not None: extensio.
在CUDA9.0上安装torch出错："error: more than one operator "==" matches these operands"
wukong999的博客
10-12 2589
安装torch的时候遇到了一个问题："error: more than one operator "==" matches these operands" lib/THC/CMakeFiles/THC.dir/build.make:4243: recipe for target 'lib/THC/CMakeFiles /THC.dir/THC_generated_THCTensorMathPa...
Yolov8执行时FileNotFoundError的问题
qq_39733854的博客
08-12 6009
发现可能是配置文件的问题，于是按照步骤一进行文件的更改。网上还有很多种解法都没用，最后还是找了chatgpt。把后面的删掉了，就变成了主目录。
win 10 mmdetection 配置
ewqapple的博客
04-11 4495
-----2019-7-22 更新 mmdetection 维护人员看来很用心啊，已经适配到了最新的pytorch 1.1 并且修改了编译的方式，看来是要官方支持Windows了，但是目前win下有两个bug 。 sigmoid_focal_loss 和 mask 那个层的编译有问题。官方作者在github 上已经给予了回复。貌似是torch的bug 目前如果想用的话，只能先注释掉相关的代码...
【解决win11 CUDA CUDNN torch安装常见问题】torch.is_available()=False pip._vendor.urllib3.exceptions.ReadTimeou
weixin_47523009的博客
01-09 1108
解决CUDA环境搭建时候的一些常见问题
Torch安装及常见问题
独行穿落叶，闲坐数流萤
06-16 3752
本文记录以下几个部分： Torch在Ubuntu 16.0上的安装 模块的install与make error: more than one operator “==” matches these operands error: ‘libcudnn (R5) not found in library path.’ 快捷键 加粗 Ctrl + B 斜体 Ctrl +...
CUDA编译出错，nvcc fatal : Unknown option 'fpreprocessed'
leaveforwaiting的博客
11-30 4016
cmake_minimum_required(VERSION 2.8) PROJECT(FIRST_CUDA) find_package(CUDA REQUIRED) find_package(OpenCV 3.0 REQUIRED) set(CUDA_NVCC_FLAGS -arch=compute_60;-code=sm_61;-G;-g) include_directories($...
windows安装gcc
qq_41048761的博客
06-23 4015
windows安装gcc
import torch Traceback (most recent call last): File "<stdin>", line 1, in <module> File "/home/ceasor/anaconda3/envs/bdrar/lib/python2.7/site-packages/torch/__init__.py", line 19, in <module> from ._six import string_classes as _string_classes File "/home/ceasor/anaconda3/envs/bdrar/lib/python2.7/site-packages/torch/_six.py", line 23, in <module> import builtins ImportError: No module named builtins
06-19
<think>我们正在处理两个问题：1.确定PyTorch0.4.0对应的torch和torchvision版本。2.解决在Python2.7环境中导入torch时出现的&#39;ImportError:Nomodulenamedbuiltins&#39;错误。首先，针对第一个问题：PyTorch0.4.0对应的版本。根据历史版本对应关系，PyTorch0.4.0的主包`torch`的版本就是0.4.0，而`torchvision`的兼容版本通常是0.2.2。这是因为在PyTorch的早期版本中，torchvision的版本号与PyTorch的主版本号有一定的对应关系。其次，第二个问题：在Python2.7环境中，导入torch时出现&#39;ImportError:Nomodulenamedbuiltins&#39;。这个错误是因为在Python2.7中，没有`builtins`模块（Python3中，`__builtin__`模块被重命名为`builtins`）。而PyTorch0.4.0的代码中可能使用了`builtins`模块，这会导致在Python2.7下运行出错。解决方案：我们需要确保在Python2.7环境中，能够正确引用`builtins`模块。可以通过在代码开头添加以下兼容性代码来解决：```pythontry:importbuiltinsexceptImportError:import__builtin__asbuiltins```但是，这个错误可能是由于PyTorch内部代码引起的，因此我们无法直接修改PyTorch的代码。不过，我们可以通过安装一个兼容的包来提供`builtins`模块，或者在导入PyTorch之前先执行上述代码。实际上，PyTorch0.4.0官方是支持Python2.7的，所以理论上不应该出现这个错误。因此，这个错误可能是由于安装的PyTorch版本不兼容或者安装过程中出现问题导致的。考虑到这些，我们建议：1.重新安装PyTorch0.4.0和torchvision0.2.2，并确保安装过程正确。2.如果重新安装后仍然出现该错误，可以在运行代码之前，在代码的最开始处添加上述兼容代码。安装命令（使用pip）：```bashpipinstalltorch==0.4.0pipinstalltorchvision==0.2.2```但是，请注意，PyTorch0.4.0已经非常古老，可能只支持特定平台和CUDA版本。如果使用conda安装，可以尝试：```bashcondainstallpytorch=0.4.0-cpytorchcondainstalltorchvision=0.2.2-cpytorch```由于conda的旧版本包可能已经不在默认通道中，我们可以使用`-cpytorch`指定通道，并尝试安装。另外，引用[1]中提到的方法：故意输入一个高版本的安装指令来获取所有可安装版本目录，然后选择合适的版本。我们可以尝试使用类似的方法来查找旧版本：```bashpipinstalltorch==0.4.0-fhttps://download.pytorch.org/whl/torch_stable.html```由于PyTorch0.4.0支持Python2.7，我们还需要确保当前环境是Python2.7。总结步骤：步骤1：确认Python版本为2.7（使用`python--version`）。步骤2：安装torch0.4.0和torchvision0.2.2。步骤3：如果导入torch时出现&#39;Nomodulenamedbuiltins&#39;错误，在代码开头添加兼容代码。示例代码：```python#在导入torch之前，先处理builtins模块try:importbuiltinsexceptImportError:import__builtin__asbuiltinsimporttorchimporttorchvision```注意：由于PyTorch0.4.0已经不再维护，且Python2.7也已停止支持，强烈建议升级到更高版本的PyTorch和Python（如果可能）。如果上述方法无法解决，可能需要检查其他依赖项或考虑使用虚拟环境重新安装。最后，生成相关问题：§§相关问题§§1.PyTorch0.4.0支持哪些CUDA版本？2.如何在Python2.7环境中安装旧版本的PyTorch？3.如何解决PyTorch旧版本中的常见兼容性问题？</think>### PyTorch 0.4.0 兼容版本及解决方案 #### 1. PyTorch 0.4.0 对应版本 - **torch 版本**：直接对应 `0.4.0` - **torchvision 版本**：推荐 `0.2.2` - **安装命令**： ```bash pip install torch==0.4.0 torchvision==0.2.2 ``` 或使用 Conda： ```bash conda install pytorch=0.4.0 torchvision=0.2.2 -c pytorch ``` #### 2. `ImportError: No module named builtins` 解决方案 该错误是由于 Python 2.7 与 PyTorch 0.4.0 的兼容性问题导致，需修复模块映射： **步骤**： 1. 创建兼容性补丁文件 `fix_builtins.py`： ```python import sys if sys.version_info[0] < 3: sys.modules[&#39;builtins&#39;] = __import__(&#39;__builtin__&#39;) ``` 2. 在导入 PyTorch **之前**加载补丁： ```python import fix_builtins # 必须先于torch导入 import torch ``` **原理**： - Python 2.7 使用 `__builtin__` 模块，而 Python 3 使用 `builtins`[^1] - PyTorch 0.4.0 部分代码依赖 `builtins` 模块 - 通过动态映射将 `builtins` 指向 `__builtin__` 解决兼容性问题 #### 3. 完整验证示例 ```python # fix_builtins.py (必须存在) import sys if sys.version_info[0] < 3: sys.modules[&#39;builtins&#39;] = __import__(&#39;__builtin__&#39;) # main.py import fix_builtins import torch import torchvision print(f"torch版本: {torch.__version__}") # 应输出 0.4.0 print(f"torchvision版本: {torchvision.__version__}") # 应输出 0.2.2 ``` #### 4. 注意事项 1. **Python 2.7 限制**： - PyTorch 0.4.0 是最后一个支持 Python 2.7 的主版本 - 最高支持 CUDA 9.0/9.1，不支持新显卡驱动 2. **替代方案建议**： ```bash # 升级到支持Python 2.7的最终稳定版 pip install torch==1.4.0 torchvision==0.5.0 ``` 3. **虚拟环境推荐**： ```bash virtualenv -p python2.7 pytorch04_env source pytorch04_env/bin/activate pip install torch==0.4.0 torchvision==0.2.2 ```
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值