conda安装torch遇坑

最新推荐文章于 2025-10-27 17:05:15 发布
原创 最新推荐文章于 2025-10-27 17:05:15 发布 · 3.2k 阅读 · 3 ·
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。
文章标签：

#conda #python #pytorch

在尝试安装torch v1.11时遇到CUDA错误，因为该版本不支持sm86算力的GPU如RTX3090。为解决此问题，需要选择支持的torch版本。通过检查GPU的CUDA版本和torch的兼容性，发现环境不一致。尝试增加conda源和使用pip安装，最终通过pip成功解决问题。
部署运行你感兴趣的模型镜像

想要安装torch，先在这个官网上得到和系统匹配的命令。

注意，现在torch版本v1.11暂时不支持算力sm86的GPU，如NVIDIA RTX3090，需要降级安装其他版本。否则报错：

CUDA error: no kernel image is available for execution on the device

查看pytorch支持的算力，和gpu算力：

import torch
torch.cuda.get_device_capability()

查看gpu的cuda版本nvidia-smi

如果安装报错

failed with initial frozen solve. Retrying with flexible solve.
或The environment is inconsistent, please check the package plan carefully
The following packages are causing the inconsistency:
或UnsatisfiableError: The following specifications were found
to be incompatible with the existing python installation in your environment:

首先尝试添加conda源（即channel）
ref

conda config # 创建.condarc文件
# 查看现在的channel状态和优先级
conda config --get channels
# 添加conda-forge channel并设置为最高优先级
conda config --add channels conda-forge

conda config --set channel_priority flexible
# 查看channel状态和优先级
conda config --get channels

如果不行就尝试pip安装：（最终是这么解决的）
ref

pip3 install torch==1.10.0+cu113 torchvision==0.11.1+cu113 torchaudio==0.10.0+cu113 -f https://download.pytorch.org/whl/cu113/torch_stable.html

您可能感兴趣的与本文相关的镜像

PyTorch 2.5

PyTorch 2.5

PyTorch
Cuda

PyTorch 是一个开源的 Python 机器学习库，基于 Torch 库，底层由 C++ 实现，应用于人工智能领域，如计算机视觉和自然语言处理

Iv3R_c
关注
windows conda安装pytorch
qq_42771487的博客
09-28 941
windows conda安装pytorch
conda安装torch 很慢报错
中二的骑士
01-18 851
1. 尝试更换源 linux环境下，直接编辑 .condarc文件，添加国内源 阿里云的源 - https://mirrors.aliyun.com/anaconda/cloud/ursky - https://mirrors.aliyun.com/anaconda/cloud/stackless - https://mirrors.aliyun.com/anaconda/cloud/simpleitk - https://mirrors.aliyun.com/anaconda/cloud/
conda 和 pip 两种方式在anaconda安装pytorch cpu（总结，亲测有效）
isabelightL的博客
04-11 1万+
上一篇说了在具体安装时踩到的各种坑，有兴趣的可以翻看我过往的博文。现在我再次总结一遍，不讨论犯过的错误，只讨论安装过程中要注意的点以及正确的命 零、安装过程中注意的点 1、首先，你要确定安装了 ...
conda安装torch只装cpu版本
chenjie190的博客
10-30 692
7 在终端中启动 Jupyter Notebook ，打开一个新笔记本，点击菜单栏中的 Kernel -> Change Kernel。print(torch.cuda.is_available()) # 应输出 False，表示未启用 CUDA。print(torch.__version__) # 检查 PyTorch 版本。6 将该环境添加为 Jupyter 内核，以便在 Notebook 中选择。display-name 参数指定显示的名称，便于区分环境。
图文详解：Conda 命令行安装 PyTorch 的每一步操作
2501_93897734的博客
10-27 921
的形式，详细描述每一步命令和输出，帮助您避免常见错误。假设您已安装 Conda（如未安装，请先完成步骤 1）。所有操作在命令行终端中进行。PyTorch 是一个流行的深度学习框架，使用 Conda 包管理器可以简化安装过程。如果您的系统未安装 Conda，请先下载并安装 Miniconda（轻量版 Anaconda）。通过以上步骤，您应能成功安装 PyTorch。如果遇到问题，请检查命令拼写和网络连接。根据您的硬件（是否有 NVIDIA GPU）选择命令。安装完成后，检查 PyTorch 是否正常工作。
conda安装torch
qq_41327049的博客
04-05 181
conda install pytorch torchvision torchaudio pytorch-cuda=11.8 -c pytorch -c nvidia
conda环境安装torch包
m0_59051289的博客
09-26 1112
2、安装torch包（2.4G，需要保证c盘有较多空间）（在anaconda prompt中运行指令）1、检查并更新pip至最新。
conda安装torch+torch_geometric
huangyiming99999的博客
08-21 1万+
conda安装torch+torch_geometric。
Ubuntu anaconda 换源
qq_44876051的博客
02-26 1万+
vim使用命令 i 插入模式 ：wq 保存并推出 anaconda 换源 vim ~/.condarc channels: - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/ - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/ - https://mi...
算法conda环境torch-geometric安装
qq_42859980的博客
06-23 2696
torch-geometric安装 PyTorch
安装conda环境并在conda中安装包torch-geometric
qq_51072801的博客
03-14 681
中选择合适的版本torch-sparse, torch-scatter ,torch-cluster,torch_spline_conv离线安装。输入cd C:\Users\26437\anaconda3\envs\pytorch112 #进入torch文件所在的环境。输入pip install torch-1.12.1-cp38-cp38-win_amd64.whl。离线下载torch-1.12.1-cp38-cp38-win_amd64.whl。安装torch-geometric。
conda安装torch库
12-15
如果你想要通过conda安装Torch库，你需要按照以下步骤操作： 1. **确保已安装Anaconda**：首先，确保你已经安装了Anaconda或Miniconda，这是使用conda的前提。 2. **激活conda环境**（如果需要）：打开命令行终端...
服务器上安装conda和torch0.4.1的辛酸史
凌墨的博客
02-28 9530
话不多，我尝试很多种方法。。。。直接来安装步骤 按照网上的教材，先上官网下载好anconda，当然你也可以用miniconda，本文以在服务器linux系统下安装conda和torch0.4.1为例子。别问，为啥torch1.0出来，还要安装torch0.4.1。回答是你管得着啊，我就喜欢用这个版本，情况还是由于实验需求所致。 1、第一步可以安装Anconda，可以从官网中下载，也可以在下面地...
conda环境下快速安装pytorch
m0_73816372的博客
11-10 707
安装pytorch,也算自存吧
Conda的PyTorch安装
m0_50539226的博客
05-11 2580
Conda的PyTorch安装 一、前言 今天把代码部署到了一个新服务器上，想要运行却发现代码运行极其缓慢，推测是代码运行在了CPU上。 于是尝试执行了如下语句 import torch print(torch.cuda.available()) 打印的结果为False，说明此时的cuda不可用，推测正确，代码确实是在CPU上跑的。 于是执行nvidia-smi查看显卡，发现显卡cuda版本是11.3，而执行conda list，发现torch版本为1.7.0，上torch官网查询后发现，torch的1.
ubuntu在conda虚拟环境中安装torch
2301_80311277的博客
12-29 5456
终端前没有(base)时输入：source activate base本文是在已安装好conda、CUDA和cudnn后的torch安装。
conda环境下安装Pytorch
prior___的博客
08-17 2118
在安装pytorch之前，请先查看当前电脑中已安装的的CUDA版本（在终端输入nvcc -V查看）进入官网，查找到对应的系统与版本选择安装方式：pip or conda.（笔者推荐在自己建立的conda虚拟环境中进行安装）创建好conda虚拟环境后，复制官网中的命令即可下载注意，使用conda下载的时候不要加额外的channels，只保留default即可总体安装用时大概五分钟。
conda 安装pytorch（gpu）
weixin_44737691的博客
03-13 1万+
根据上图可知，我安装了CUDA 11.3版本，那么可选的cuDNN版本有很多，这里我直接无脑安装了最新版本，也就是cuDNN的8.4.0版本，同样是用清华镜像源来安装。如上图，这一条命令可以满足我的pytorch和cuda之间的对应关系，因此，我们复制它并运行，即可安装Pytorch 1.11.0。系统的CUDA版本决定了系统最高可以支持什么版本的cudatoolkit，它是向下兼容的。提醒：下面的操作也是要在激活虚拟环境的情况下进行的！pytorch的版本也是和CUDA版本有对应关系的。
Conda建立虚拟环境及torch安装
热门推荐
小熊猫的博客
07-08 4万+
本人的系统环境： Ubuntu 16.04 Cuda 9.0 + Cudnn 7.0.5 Python 3.7 Anaconda 3 这里推荐大家使用Anaconda，可以比较方便的创建Python虚拟环境，避免不同的Python库之间产生冲突。 一 anaconda安装 anaconda的安装非常简单，可以选择去官网下载，但是因为anaconda的服务器在国外，所以国...
conda安装torch失败怎么办？
最新发布
11-30
<think> 我们参考了用户提供的引用内容，特别是引用[3][4][5]中提到的conda安装torch失败的问题和解决方案。主要问题可能包括网络问题（下载中断）、依赖冲突、镜像源不稳定等。以下是针对这些问题的系统解决方案： ### 方法1：使用pip替代conda安装（推荐） 当conda安装失败时，可尝试用pip安装（引用[3]成功案例）： ```bash pip install torch==1.10.0+cu113 torchvision==0.11.1+cu113 torchaudio==0.10.0+cu113 \ -f https://download.pytorch.org/whl/cu113/torch_stable.html ``` - **参数说明**： - `torch==1.10.0+cu113`：指定CUDA 11.3版本的PyTorch 1.10.0 - `-f`：指定PyTorch官方预编译包的索引地址 - **镜像加速**：添加国内镜像源前缀（如清华源）： ```bash pip install ... -i https://pypi.tuna.tsinghua.edu.cn/simple ``` ### 方法2：离线安装（适合网络不稳定场景） 若在线安装反复失败（引用[4]提到核心转储问题），采用离线安装： 1. **下载whl文件**： - 访问PyTorch官网[下载页面](https://download.pytorch.org/whl/torch_stable.html) - 根据系统环境选择文件（如`cu113/torch-1.10.0%2Bcu113-cp38-cp38-linux_x86_64.whl`） 2. **本地安装**： ```bash pip install /path/to/torch-xxx.whl ``` ### 方法3：修复conda环境 #### 步骤1：清理conda缓存 ```bash conda clean --all # 清除所有缓存 conda update --all # 更新所有包 ``` #### 步骤2：重置镜像源配置（引用[5]） ```bash conda config --remove-key channels # 恢复默认源 conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/ conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/ conda config --set show_channel_urls yes ``` #### 步骤3：创建新环境隔离安装 ```bash conda create -n torch_env python=3.9 # 新建环境 conda activate torch_env conda install pytorch torchvision torchaudio cudatoolkit=11.3 -c pytorch ``` ### 方法4：诊断依赖冲突 若出现`段错误 (核心已转储)`（引用[4]），可能是底层库冲突： 1. 检查gcc版本： ```bash gcc --version # 要求≥5.3 ``` 2. 更新基础库： ```bash conda install libgcc # 更新GCC库 ``` ### 验证安装 ```python import torch print(torch.__version__) # 输出版本号 print(torch.cuda.is_available()) # 输出True表示GPU可用 ``` > **注意**：若仍失败，建议结合错误日志搜索解决方案，常见错误： > - `CUDA out of memory`：显存不足，减小batch size > - `Undefined symbol`：CUDA版本与PyTorch不匹配，重装对应版本[^3] §§相关问题§§ 1. 如何彻底卸载conda环境中的PyTorch？ 2. PyTorch不同版本与CUDA的对应关系如何查询？ 3. 安装PyTorch时如何避免与其他机器学习库冲突？ [^1]: 算法conda环境torch-geometric安装。安装完成后，执行如下操作 $ conda list |grep torch $ pip list | grep torch torch 1.11.0 torch-cluster 1.6.0 torch-geometric 2.0.4 torch-scatter 2.0.9 torch-sparse 0.6.13 torchaudio 0.11.0 torchmetrics 0.9.1 torchvision 0.12.0 [^2]: conda安装torch+torch_geometric。@conda安装torch+torch_geometric 一、 基础命令 查看当前存在哪些虚拟环境 conda env list #查看当前存在哪些虚拟环境 或 conda info --envs [^3]: conda安装torch遇坑。如果不行就尝试pip安装：（最终是这么解决的） ref pip3 install torch==1.10.0+cu113 torchvision==0.11.1+cu113 torchaudio==0.10.0+cu113 -f https://download.pytorch.org/whl/cu113/torch_stable.html [^4]: conda 安装完了之后安装ｔｏｒｃｈ总是失败。但是ｐｙｔｏｒｃｈ，换国内原，国外默认源，都不行，都是　　段错误 (核心已转储)，甚至　ｐｉｐｉｎｓｔａｌｌ　国内各源都失败，肯定在线安装网速导致装不上了，找到另外一个办法，就是离线安装ｐｙｔｏｒｃｈ，百度一下，果然 [^5]: Conda or miniconda 安装torch失败，解决方案。一般都会加入国内的源，比如清华源，请自行百度即可，铺天盖地的文章； conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/ conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/ conda config --set show_channel_urls yes </think>### 解决conda安装torch失败的完整方案 根据引用内容，conda安装torch常见失败原因包括网络不稳定、依赖冲突、镜像源配置错误等。以下是系统化的解决方案： #### 方法1：优先使用pip安装（推荐） 当conda安装反复失败时，pip通常更可靠（引用[3][4]验证有效）： ```bash # 指定版本和CUDA版本（示例为CUDA 11.3） pip install torch==1.10.0+cu113 torchvision==0.11.1+cu113 torchaudio==0.10.0+cu113 \ -f https://download.pytorch.org/whl/cu113/torch_stable.html # 添加清华源加速 pip install ... -i https://pypi.tuna.tsinghua.edu.cn/simple ``` #### 方法2：离线安装（网络不稳定时） 当在线安装反复失败（特别是出现"段错误 (核心已转储)"时）： 1. 访问PyTorch官网[预编译包目录](https://download.pytorch.org/whl/torch_stable.html) 2. 手动下载对应版本的`.whl`文件（如`cu113/torch-1.10.0%2Bcu113-cp38-cp38-linux_x86_64.whl`） 3. 本地安装： ```bash pip install /path/to/torch-xxx.whl ``` #### 方法3：修复conda环境 ##### 步骤1：彻底清理环境 ```bash conda clean --all # 清除所有缓存 conda update --all # 更新所有包 ``` ##### 步骤2：正确配置镜像源（引用[5]） ```bash # 重置为默认源 conda config --remove-key channels # 添加清华源（主源+PyTorch专用源） conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/ conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/ conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/ conda config --set show_channel_urls yes ``` ##### 步骤3：创建纯净环境安装 ```bash # 新建独立环境 conda create -n torch_env python=3.9 conda activate torch_env # 安装指定版本（避免最新版兼容问题） conda install pytorch==1.12.1 torchvision==0.13.1 torchaudio==0.12.1 cudatoolkit=11.3 ``` #### 方法4：诊断底层依赖问题 当出现"段错误 (核心已转储)"时（引用[4]）： 1. 检查系统GCC版本： ```bash gcc --version # 需要≥5.3 ``` 2. 更新基础库： ```bash conda install libgcc # 修复C库依赖 conda install mkl=2022 # 更新数学库 ``` #### 验证安装成功（引用[1]） ```python import torch print(torch.__version__) # 输出版本号如1.12.1 print(torch.cuda.is_available()) # 输出True表示GPU可用 ``` > **关键提示**： > 1. 优先选择**与CUDA版本严格匹配**的PyTorch版本（通过`nvidia-smi`查询CUDA版本） > 2. 企业用户建议搭建**私有conda镜像**保证稳定性 > 3. 安装失败时查看完整错误日志：`conda install ... --verbose`
评论 1
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
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