torch 安装的问题

最新推荐文章于 2025-09-17 23:38:00 发布
原创 最新推荐文章于 2025-09-17 23:38:00 发布 · 1.9k 阅读 · 0 ·
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。

昨天晚上在极客学院学习安装怎么装torch，小伙伴成功的利用官网上的程序安装了torch 我的却不成功

遇到的问题如下，下载下来torch

./install.sh

 显示没有安装 penlight 

随用 sudo apt-get install penlight 

报错：unable to lacate package penlight

在网上查到这个的原因可能是：没有进行

sudo apt-get install update 

完成安装。

在晚上下载了penlight，码神说需要编译。

但是不知道怎么编译。

最后按照：
http://blog.youkuaiyun.com/a130737/article/details/45745467

安装成功。


jinggegebuaa
关注
torch环境安装/问题整理
chenghan_的博客
04-09 1189
3、安装pytorch。
记录安装torch时出现的错误
m0_64310996的博客
12-19 1010
2.如果是直接到他官网下载.whl或者之前的.whl本地安装torch，再安装torchvision。一定要用以下代码检验。1.安装torch时如果使用这个命令会有以下错误。这时候添加上torch官方的地址可解决以上问题。会出现cuda版本不匹配报错。
torch 安装错误问题
a867965056的博客
05-18 1530
如下错误： lib/THC/CMakeFiles/THC.dir/build.make:4243: recipe for target 'lib/THC/CMakeFiles/THC.dir/THC_generated_THCTensorMathPairwise.cu.o' failed make[2]: *** [lib/THC/CMakeFiles/THC.dir/THC_generated...
问题分析与解决：Conda 3.8环境中Jupyter Notebook导入PyTorch报错“No module named ‘torch’“
最新发布
Yn312的博客
09-17 669
环境而非您安装PyTorch的目标环境所致。以下我将逐步解释原因并提供可靠的解决方案（基于Anaconda平台）。问题根源在于环境隔离：Jupyter Notebook的内核（kernel）未正确绑定到您安装了PyTorch的Conda环境。根据您的描述，在Conda 3.8环境中已成功安装PyTorch，但在Jupyter Notebook中导入时出现。如果持续存在，可能是环境变量冲突，建议重建Conda环境并重复安装流程。是内核在Jupyter中显示的名称。），则环境安装正确。
Pycharm中import torch报错解决方案
热门推荐
weixin_46009199的博客
01-29 1万+
查询pytorch版本：首先打开Anaconda Prompt，输入conda activate xxxx进入你创建的虚拟环境，xxxx是你虚拟环境的名字，就可以看到该环境下有的所有软件包，找到pytorch，箭头所指即为pytorch版本。创建完解释器后，下方会显示出该解释器/虚拟环境下的所有软件包，看到有pytorch包即选择了正确的环境和解释器，点击确定和应用即完成了pycharm内的pytorch配置并选择了正确的虚拟环境。原因1：pytorch，cuda，python版本不兼容。
import c报错解决办法
11-13
import scipy.misc报错，ImportError: DLL load failed: 找不到指定的模块。
解决警告： Did you have `libjpeg` or `libpng` installed before building `torchvision` from source?
BetterBench的博客
08-09 3134
d:\anaconda3\envs\py39\lib\site-packages\torchvision\io\image.py:13: UserWarning: Failed to load image Python extension: '[WinError 127] 找不到指定的程序。以上方法不行的话，再尝试使用conda或pip来安装libjpeg和libpng。首先尝试安装了pillow，这个包默认安装libjpeg和libpng。
python 的torch安装问题，一篇百分之百解决的攻略
weixin_46402437的博客
05-31 5695
大家一直都会遇到python 的torch安装问题。答案很多，试了很久，可就是装不好。原因是版本会更新，大家的环境各不相同，遇到的问题也各不相同。那有没有一种通用的办法可以彻底解决呢？当然是有的！今天我用一篇攻略教你如何解决torch的安装，找到最核心的思路，到底是哪里的问题导致你就是装不好。
基于NVIDIA jetson平台Torch安装教程 +Jetson-Inference使用
09-06
基于NVIDIA jetson平台Torch安装教程 +Jetson-Inference使用， 老实说，这是我最喜欢的一部分了，最近沉迷于寻找各种用于不同阶段的加速工具，jetson平台的TensorRT属于“推理阶段加速”，也是比较实用的一种加速，...
精选资源
Linux系统安装pytorch和torchvision：torch1.8.0+torchvision0.9.0
04-27
在Linux系统上安装PyTorch和torchvision是深度学习开发者常用的操作，特别是在处理计算机视觉...记得根据自己的硬件配置选择合适的CUDA版本，如果在安装过程中遇到问题，查阅官方文档或在线社区通常都能找到解决方案。
torch安装
fanqiliang630的博客
06-05 1403
1. torch官网: 官网地址 但是按照官方的操作, clone不下来, 因此写这篇博客 2. clone问题: git clone https://github.com.cnpmjs.org/torch/distro.git ~/torch cd ~/torch sed -i "s/github.com/github.com.cnpmjs.org/g" .gitmodules git submodule update --init --recursive 至此clone问题解决 3. 安装: cd ~
Pytorch安装问题：pip3 install torchvision报错解决
03-28
在已有anaconda条件下再次安装新的anaconda遇到问题并解决。
2020-09-29
Douzaikongcheng的博客
10-02 1489
TX2 八：pytorch安装 注意到TX2的处理器是arm架构的，用conda和pip直接安装是不行的，这个我花了好久时间，之前一直尝试conda和pip总是各种报错，显示不支持platform 方法一：源码编译安装，这个方法尝试了很久，编译的时候还是报错 参考博文：https://blog.youkuaiyun.com/qq_21368481/article/details/86164333 git clone --recursive https://github.com/pytorch/pytorch 打
安装PHP常见错误解决error
advance1989的专栏
02-28 3237
安装PHP常见错误解决error: libjpeg.(a|so),error: libpng.(a|so) not found,error: Cannot find ldap <br />        PHP的安装虽然有时候很简单,可是如果应用一多,我们安装起来就很头痛了!常见的就是PHP插件的安装问题最多了!<br />       其实不管是你是Apache类的应用还是Nginx类的.PHP的安装都不是很简单,虽然网上很多configure,但是那不一定是适合你的,因为很多都直接关系着你的系统及系统版
torch问题及解决方案汇总（持续更新）
xmdxcsj的专栏
10-20 3621
一、libjpeg.so库 问题描述：torch/install/lib/lua/5.1/libjpeg.so: undefined symbol: jpeg_mem_src 解决方案：https://github.com/torch/image/issues/41 wget http://www.ijg.org/files/jpegsrc.v8d.tar.gz tar -xvf jpeg
Ubuntu安装anaconda3+pytorch
weixin_42216799的博客
09-23 1386
下载 wget https://repo.anaconda.com/archive/Anaconda3-2020.02-Linux-x86_64.sh 安装 bash Anaconda3-2020.02-Linux-x86_64.sh 换源 vim .condarc channels: - defaults show_channel_urls: true channel_alias: https://mirrors.tuna.tsinghua.edu.cn/anaconda default_cha
使用torchsummary出现报错RuntimeError: cuda runtime error (30) : unknown error at ..\aten\src\THC\THCGenera
jiuhu7的博客
10-27 3016
使用torchsummary出现报错RuntimeError: cuda runtime error (30) : unknown error at …\aten\src\THC\THCGenera 在语句的前面加上 torch.cuda.current_device() 就可以了 import torch from torchvision import models from torchsum...
ResourceExhaustedError (see above for traceback): OOM when allocating tensor with shape[8192,3072] a
orangefly0214的博客
01-30 2224
用Bert做命名实体识别的时候报的错，百度了一下说是可能存在 （１）显卡占用的问题，换一个空闲的显卡。 （２）程序问题，最后一层全连接层太大。 试了一下换了一个显卡，多跑了几步还是报错了。 后来将训练数据的batch_size 改小以后没有问题了。batch_size从64改到32...
深度学习中训练时候遇到这些错误 RuntimeError、IndexError、ValueError如何解决
m0_63669388的博客
07-17 5678
RuntimeError: Input type (torch.cuda.FloatTensor) and weight type (torch.FloatTensor) should be the same CUDA error: device-side assert triggeredRuntimeError: Expected all tensors to be on the same device, The size of tensor a (5) must match the size of
torch安装验证
08-12
### 验证 Torch 是否成功安装 要验证 `torch` 是否成功安装，可以通过以下几种方式来进行验证： 1. **导入 `torch` 模块并检查版本** 如果 `torch` 安装成功，可以正常导入模块并查看当前安装的版本号。在 Python 脚本或交互式环境中运行以下代码： ```python import torch print("PyTorch Version:", torch.__version__) ``` 2. **检查 CUDA 是否可用** 如果使用的是支持 GPU 的 PyTorch 版本，可以进一步检查 CUDA 是否可用，并查看当前系统中可用的 GPU 数量[^2]： ```python print("CUDA Available:", torch.cuda.is_available()) print("Number of GPUs:", torch.cuda.device_count()) ``` 3. **查看 CUDA 版本信息** 如果需要确认 PyTorch 使用的 CUDA 版本是否与系统中安装的版本匹配，可以执行以下代码来获取详细的 CUDA 版本信息[^1]： ```python print("CUDA Version in PyTorch:", torch.version.cuda) ``` 4. **执行张量操作并检查设备** 为了进一步验证 `torch` 是否能够正常运行，可以创建一个张量并将其移动到 GPU 上执行操作。以下代码展示了如何根据 CUDA 可用性选择设备并执行计算[^2]： ```python if torch.cuda.is_available(): x = torch.tensor([1.0, 2.0, 3.0]).cuda() print("Tensor on GPU:", x) else: x = torch.tensor([1.0, 2.0, 3.0]) print("Tensor on CPU:", x) y = x * 2 print("Result of operation:", y) ``` 5. **检查当前 GPU 设备名称** 如果需要确认具体使用的 GPU 型号，可以打印当前设备的名称信息，以验证是否成功识别到 GPU 设备[^2]： ```python if torch.cuda.is_available(): print("Current Device:", torch.cuda.current_device()) print("Device Name:", torch.cuda.get_device_name(0)) ``` 通过以上步骤，可以全面验证 `torch` 是否成功安装，并确保其与当前系统环境（尤其是 CUDA）的兼容性。 ---
评论
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