Attributeerror: module ‘torch._c‘ has no attribute ‘doublestoragebase‘

本文描述了在实验室服务器的VSCode环境中遇到的错误,与SSH环境对比发现PATH设置差异。问题在于VSCode启动时只加载~/.bashrc,未激活所需环境配置。解决方案是在VSCode的.bashrc中添加source/etc/profile.d/sothisai.sh以同步容器系统配置。

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

声明:本文章仅对实验室服务器出现的错误,并不是通用错误。


问题说明:

        相同的环境,在ssh中运行时不会报错:

        

        在vscode中运行时,会出现错误:

问题分析

在vscode中,echo $PATH:
/home/yuchunan/anaconda3/envs/VR_Sketch/bin:/home/yuchunan/anaconda3/condabin:/usr/local/nvm/versions/node/v16.15.1/bin:/usr/lib/code-server/lib/vscode/bin/remote-cli:/usr/local/lib/python3.8/dist-packages/torch_tensorrt/bin:/usr/local/mpi/bin:/usr/local/nvidia/bin:/usr/local/cuda/bin:/usr/local/sbin:/usr/local/bin:/usr/sbin:/usr/bin:/sbin:/bin:/usr/local/ucx/bin:/opt/tensorrt/bin:/home/yuchunan/.local/bin:/home/yuchunan/bin

在ssh中,echo $PATH:
/home/yuchunan/anaconda3/envs/VR_Sketch/bin:/home/yuchunan/anaconda3/condabin:/usr/local/mpi/bin:/usr/local/nvidia/bin:/usr/local/cuda/bin:/usr/local/sbin:/usr/local/bin:/usr/sbin:/usr/bin:/sbin:/bin:/usr/local/ucx/bin:/opt/tensorrt/bin:/home/yuchunan/.local/bin:/home/yuchunan/bin

说明(仅个人理解)

首先明确我们的path写在容器系统的配置文件中(/etc/profile.d/sothisai.sh),当打开ssh界面时容器系统会自动运行(/etc/profile.d/sothisai.sh)(~/.bashrc)两个文件,从而更新你的path地址。

但是在vscode中,当打开时,系统只会运行(~/.bashrc)文件,但是环境配置都是写在(/etc/profile.d/sothisai.sh)文件中,因此在打开时并未激活你所需要的路径。

解决 

1. 打开vs code,在终端中运行vim ~/.bashrc

2. 

在里面写上

                        source /etc/profile.d/sothisai.sh

使得vscode 打开时运行.bashrc的同时也将容器系统配置文件运行。

检验:

### 解决 PyTorch 中 `AttributeError: module 'torch._C' has no attribute 'TensorBase'` 当遇到此类错误时,这通常表示当前环境中安装的 PyTorch 版本存在问题或是环境配置不兼容。具体来说,`module 'torch._C' has no attribute 'TensorBase'` 错误可能是由于以下几个原因造成的: - 安装了 CPU 版本而非 GPU 版本的 PyTorch[^2]。 - 使用了不同版本之间的不兼容 API 调用[^4]。 #### 验证 CUDA 是否可用 为了确认是否是因为缺少 CUDA 支持而导致的问题,在 Python 环境下执行如下命令来验证 CUDA 的可用性: ```python import torch print(torch.cuda.is_available()) ``` 如果返回的结果为 `False`,则说明当前环境下未启用 CUDA 加速功能[^5]。 #### 卸载现有 PyTorch 并重新安装支持 CUDA 的版本 对于上述情况的一种常见解决方案是卸载现有的 PyTorch 安装包,并按照官方推荐的方式安装带有 CUDA 支持的新版 PyTorch。例如,可以尝试通过 pip 来安装指定 CUDA 版本的支持库: ```bash pip uninstall torch torchvision torchaudio pip install torch==2.0.1+cu117 torchvision==0.15.2+cu117 torchaudio==2.0.2 -f https://download.pytorch.org/whl/torch_stable.html ``` 此操作会移除旧版本并替换为包含所需 CUDA 功能的新版本。 #### 更新至最新稳定版本 有时问题也可能源于所使用的 PyTorch 或其依赖项不是最新的稳定版本。因此建议定期检查是否有更新,并适时升级到更稳定的发布版本以获得更好的性能和支持。 #### 检查代码中的 API 使用方式 除了确保软件栈本身正确无误之外,还需仔细审查源码里涉及 `_C` 模块的操作是否遵循文档指南。某些低级接口可能会随着框架迭代而发生变更或被弃用,所以应当参照官方文档调整相应部分的实现逻辑。
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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