Python&aconda系列：（W&L）Conda使用faiss-gpu报错及解决办法、安装numpy的坑、cmd执行Python脚本找不到第三方库、安装tensorflow-gpu时遇到的from

已于 2023-12-25 18:11:56 修改
阅读量3.6k 收藏 33
点赞数 26
CC 4.0 BY-SA版权
分类专栏： # python 文章标签： python conda faiss
于 2023-12-25 17:36:57 首次发布
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/weixin_54626591/article/details/135199111
python 专栏收录该内容
330 篇文章 ¥99.90 ¥299.90
订阅专栏

这里写目录标题



一. 通过Anaconda Prompt搭建faiss-gpu1.7.0和tensorflow-gpu1.13.1的联合环境

（1）打开Anaconda3文件夹下的Anaconda Prompt:

在这里插入图片描述

2）新建Anaconda的虚拟环境：

conda create --name 你的虚拟环境名 python=3.6.8

为了便于使用，你的虚拟环境名可以用你的虚拟环境对应的python版本的简称：
比如python=3.6.8，那么虚拟环境名就可以命名为py368

（3）激活你创建的虚拟环境

conda a
了解本专栏 订阅专栏 解锁全文
Python&aconda系列：CUDA+Anaconda的安装以及 Conda实用命令
weixin_54626591的博客
12-20 2153
CUDA+Anaconda的安装以及 Conda实用命令
Python&aconda系列：conda踩坑记录1.An unexpected error has occurred. Conda has prepared the above report
weixin_54626591的博客
12-19 6797
conda踩坑记录1.An unexpected error has occurred. Conda has prepared the above report
Windows系统下如何安装faiss-gpu
AI浩
09-08 2487
【代码】Windows系统下如何安装faiss-gpu。
Faiss 安装与配置（最新）
热门推荐
Mr_TangGuo的博客
08-11 3万+
Faiss 简介 Faiss 是一个用于高效相似性搜索和密集向量聚类的库。它包含在任意大小的向量组中搜索的算法，直到可能不适合 RAM 的向量组。它还包含用于评估和参数调整的支持代码。 Faiss 是用 C++ 编写的，带有完整的 Python 包装器（版本 2.0+ 和 3.0+）。一些最有用的算法是在 GPU 上实现的。它由Facebook AI Research开发。 相关链接： 1: faiss官方文档 2: github地址 开始 1. 安装faiss 推荐使用Anaconda安装，如果你的电
faiss上的GPU流程，GPU与CPU之间的联系
最新发布
qq_40500099的博客
06-12 795
GPU使用流程分为初始化、数据加载、计算和优化四个阶段。首先初始化GPU资源并创建索引类型（如GpuIndexFlatL2）。数据从CPU内存传输到GPU显存后，通过并行计算构建索引并执行近邻搜索。FAISS优化了数据传输效率，支持多GPU并行和分片处理。结果返回CPU后清理资源。FAISS的GPU索引与CPU兼容，支持自动数据转换和PyTorch张量直接输入，同时提供灵活的资源管理和临时内存优化。支持的索引类型包括GpuIndexFlat、GpuIndexIVFFlat等，适用于不同精度需求。
使用Anaconda安装faiss
科研糖
04-06 5364
我透，耗费了我两个下午，在第一台服务器安装踩坑，后来又在另一台服务器安装又踩坑，我服了。特此记录。 使用Anaconda安装faiss是最方便快速的方式，facebook会及时推出faiss的新版本conda安装包，在conda安装时会自行安装所需的libgcc, mkl, numpy模块。 faiss的cpu版本目前仅支持Linux和MacOS操作系统，gpu版本提供可在Linux操作系统下用C...
Windows 使用aconda安装faiss-gpu
qq_39172320的博客
07-07 744
windows使用aconda 安装faiss
【安装教程】windows下安装Faiss-GPU
weixin_42421914的博客
03-07 1万+
提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档。
安装faiss-gpu
liushangkun的博客
03-19 1652
Index of /anaconda/cloud/ | 清华大学开源软件镜像站，致力于为国内和校内用户提供高质量的开源软件镜像、Linux 镜像源服务，帮助用户更方便地获取开源软件。Index of /anaconda/cloud/ | 清华大学开源软件镜像站 | Tsinghua Open Source Mirror。这个链接是可以打开的：https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud。阿里云的链接打不开。核心的问题大概就是网络的问题。
Windows利用conda安装gpu版本Faiss + Ubuntu源码安装Faiss-gpu 记录（待更新~）
weixin_42179685的博客
11-28 1193
由于在cpu上使用对向量检索算法时，发现面对数据量较大时，批量匹配耗时会显著增加，影响业务整体响应。便尝试使用GPU来实现检索计算，限于本人技术有限，写不出好算法。便取巧利用Faiss-gpu来检索(* ^ ▽ ^ *)以下是安装记录~
Faiss-GPU安装
weixin_52546142的博客
12-25 710
安装指令：（二选一）
关于python的问题：如何配置Python解释器为Conda虚拟环境？
**My Coding Family**
06-06 1926
🏆 本文收录于《全栈Bug调优(实战版)》专栏，致力于分享我在项目实战过程中遇到的各类Bug及其原因，并提供切实有效的解决方案。无论你是初学者还是经验丰富的开发者，本文将为你指引出一条更高效的Bug修复之路，助你早日登顶，迈向财富自由的梦想🚀！同时，欢迎大家关注、收藏、订阅本专栏，更多精彩内容正在持续更新中。让我们一起进步，Up！Up！Up！    备注： 部分问题/难题源自互联网，经过精心筛选和整理，结合数位十多年大厂实战经验资深大佬经验总结所得，数条可行方案供所需之人参考。
Python+CUDA+CUDNN+Numpy+Tensorflow_gpu版本建议
weixin_45916575的博客
06-23 540
经过测试的机器学习中python与可用各个库版本搭配关系
faiss报错：AttributeError: module ‘faiss._swigfaiss_avx2‘ has no attribute ‘delete_GpuResourcesVector‘
qq_50745337的博客
12-15 2066
初步推断是因为把faiss-cpu 和faiss-gpu 混装引起的一系列问题，下面给出我的解决过程。然后记下来关于faiss的包，例如faiss-gpu，faiss-cpu，faiss等。使用pip unstall faiss-cpu等语句将包删掉。，不知道cudatoolkit=11.3这句起作用没有。
通过Anaconda Prompt搭建faiss-gpu1.7.0和tensorflow-gpu1.13.1的联合环境
weixin_45672316的博客
07-14 656
通过Anaconda Prompt搭建faiss-gpu1.7.0和tensorflow-gpu1.13.1的联合环境
FAISS报错：没有安装faiss-gpu的问题以及解决办法
weixin_62533513的博客
03-08 1248
这张图片显示了在尝试安装 或 时遇到的依赖冲突问题。以下是图片内容的解释： 的安装问题： 的依赖问题：其他版本的 问题：总结：清理现有安装： 根据需求重新安装： 如果你只有 CPU： 检查 CUDA 兼容性： 验证安装： 其他注意事项 如果在安装过程中仍然遇到问题，可以尝试清理 Conda 的缓存： 确保你的 Conda 环境是最新的： 希望这些步骤能帮助你解决 的安装问题！
坑 之 Ubuntu Conda虚拟环境使用faiss-gpu报错分析及解决办法
qq_41368074的博客
05-16 7863
faiss-gpu的使用于cuda版本是紧密相关的，cuda又是与nvidia driver紧密相关的，nvidia driver又是与显卡紧密相关的
在使用faiss时，报以下错误：module ‘faiss‘ has no attribute ‘GpuIndexFlatL2‘，已经成功解决
weixin_40676516的博客
04-04 4744
若安装了GPU版本的Faiss，仍然报以下错误：module ‘faiss._swigfaiss_avx2’ has no sttribute ‘delete_GPUResourcesVector’。在使用faiss时，报以下错误：module ‘faiss’ has no attribute ‘GpuIndexFlatL2’，已经成功解决。这是因为 faiss库和faiss-gpu同时存在。你可以将faiss卸载，然后再次安装 faiss-gpu。GPU版本的Faiss。CPU版本的Faiss。
Faiss报错及解决记录
weixin_44012667的博客
09-22 295
Faiss报错及解决记录：_modulenotfounderror: no module named 'faiss-优快云博客。
二、CUDA与PyTorch版本兼容性 版本匹配问题 当前CUDA版本为12.8，但安装的PyTorch版本为 1.12.1+cu113（对应CUDA 11.3），版本不兼容会导致GPU无法调用。 解决方法： 卸载现有PyTorch：pip uninstall torch 安装与CUDA 12.x兼容的版本（如 torch==2.1.0+cu121）： Bash pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu121 验证安装： Python import torch print(torch.cuda.is_available()) # 应输出True 三、文件路径与权限问题 特殊字符检查 文件名 吗.py 包含中文字符，可能引发路径解析错误（尤其是旧版Windows或某些IDE）。 建议：将文件名改为全英文（如 train.py）。 权限与路径完整性 检查文件路径 C:\Users\Guo\Desktop\xm\PyTorch-Classification-Trainer1 是否存在空格或特殊符号。 确保PyCharm对该路径有读写权限（右键文件夹属性 > 安全 > 编辑权限）。 四、依赖库与Conda版本问题 Conda版本更新 若Conda版本过旧（如4.6），可能导致虚拟环境管理异常3。 更新Conda： Bash conda update -n base -c defaults conda 依赖库完整性 在Conda环境中运行 conda list，检查是否缺少关键库（如numpy、torchvision）。 若依赖不完整，重新安装： Bash conda install numpy pandas matplotlib 五、日志分析与调试 查看PyCharm控制台输出 若报错提示 No module named 'xxx'，需补充安装对应包。 若提示CUDA初始化失败，需检查驱动与PyTorch版本匹配性。 驱动验证 在CMD中运行 nvidia-smi，确认Tesla P4驱动已正确加载且CUDA版本为12.8。 若驱动未生效，重新安装NVIDIA驱动（需与CUDA版本匹配）。 总结步骤 修正PyCharm解释器路径。 安装CUDA 12.x兼容的PyTorch版本。 重命名文件为全英文。 更新Conda并检查依赖库。 根据控制台日志进一步排查具体错误。 告诉我卸载那几个依赖pip，我全部安装最新版 我的cuda版本是12.8
03-08
<think>好的，我现在需要帮助用户解决PyTorch和CUDA版本不兼容的问题，用户的具体情况是CUDA版本12.8，但安装了PyTorch 1.12.1+cu113，导致GPU无法调用。用户想要卸载所有相关依赖，然后安装最新版本，同时CUDA是12.8。我需要仔细分析问题，并给出正确的步骤。 首先，用户提到已经按照之前的指导进行了操作，但可能还存在依赖冲突。用户现在希望彻底卸载所有旧的依赖，然后全部安装最新版。首先，我需要确定哪些依赖需要卸载，不仅仅是PyTorch本身，还包括可能通过pip安装的相关库，比如torchvision、torchaudio等。这些库如果版本不兼容，也会导致问题。此外，用户可能还安装了其他与CUDA相关的包，比如cudatoolkit，这些也需要检查。 接下来，用户使用的是CUDA 12.8，但PyTorch的官方文档显示目前支持的最高CUDA版本是12.1。这里可能存在用户提到的CUDA版本是12.8，但PyTorch可能还没有正式支持。需要确认这一点，可能用户有笔误，或者CUDA的版本号可能有不同的命名规则。比如，CUDA工具包版本通常是主版本.次版本，比如11.6、11.8、12.1等，而用户提到的12.8可能不存在，可能是12.1或其他版本。或者用户可能混淆了驱动版本和CUDA工具包版本。需要进一步确认，但根据用户提供的信息，假设用户确实在使用CUDA 12.x（比如12.1），那么PyTorch 2.1.0+cu121是兼容的。如果用户确实有12.8，可能需要检查PyTorch是否支持，但目前官网显示最新的是cu121和cu118，所以可能用户需要安装对应的版本。 然后，关于卸载依赖，用户需要彻底卸载所有相关的包。除了使用pip uninstall torch torchvision torchaudio外，可能还有其他通过pip安装的库，比如nvidia相关的包，或者旧版本的cudatoolkit。但通常这些是通过conda安装的，所以用户可能需要同时使用conda和pip来卸载。但用户提到使用pip卸载，所以可能用户之前是用pip安装的这些包。因此，正确的步骤是先卸载pip安装的torch相关包，然后安装新的版本。 另外，用户可能混淆了conda和pip的安装源，导致依赖冲突。用户之前可能通过conda安装了cudatoolkit，而通过pip安装了PyTorch，这可能导致版本不匹配。因此，建议用户创建一个干净的虚拟环境，避免旧有依赖的影响。 关于安装命令，PyTorch官方推荐使用--index-url参数来指定CUDA版本。例如，对于CUDA 12.1，命令是pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu121。用户需要根据实际CUDA版本调整，但根据用户提供的CUDA 12.8，可能需要确认正确的版本。如果用户确实有CUDA 12.8，但目前PyTorch不支持，可能需要等待官方更新或使用conda安装可能存在的测试版本。但更可能的是用户误写了版本号，实际应为12.1，所以建议用户检查nvidia-smi显示的CUDA版本，或者通过nvcc --version查看。 最后，验证安装是否正确，用户需要运行Python代码检查torch.cuda.is_available()是否为True。如果仍然失败，可能需要检查NVIDIA驱动是否正确安装，是否与CUDA版本兼容，以及路径权限等问题。 总结步骤： 1. 卸载所有现有的PyTorch相关包。 2. 确保CUDA版本正确，并找到对应的PyTorch版本。 3. 使用正确的pip命令安装新版本。 4. 验证安装，处理可能的环境问题。</think>### 分步解决方案 #### 第一步：彻底卸载现有PyTorch及相关依赖 需卸载的**pip安装包**包括： ```bash pip uninstall torch torchvision torchaudio torchtext torchdata ``` 若使用过`conda`安装过PyTorch，需额外执行： ```bash conda uninstall pytorch torchvision torchaudio ``` #### 第二步：安装与CUDA 12.x兼容的最新PyTorch 根据PyTorch官网的[兼容性列表](https://pytorch.org/get-started/locally/)，目前CUDA 12.1对应PyTorch 2.1.0+cu121。若你的CUDA版本为12.8（需确认是否为官方支持版本），建议使用以下命令安装最新兼容版本： ```bash pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu121 ``` > **注意**：若CUDA 12.8为笔误（实际应为12.1或11.8），需通过`nvidia-smi`或`nvcc --version`验证真实版本[^1][^2][^3]。 #### 第三步：验证安装与CUDA可用性 ```python import torch print(torch.__version__) # 应显示2.1.0+cu121 print(torch.cuda.is_available()) # 应输出True ``` #### 第四步：处理依赖冲突（可选） 若仍存在依赖问题，建议**新建虚拟环境**： ```bash conda create -n pytorch_env python=3.10 conda activate pytorch_env pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu121 ``` ### 关键问题总结 1. **版本匹配**：CUDA 12.x需对应PyTorch 2.1.0+cu121，而非旧版cu113[^1][^2]。 2. **依赖冲突**：建议通过新建虚拟环境规避残留依赖问题。 3. **驱动验证**：通过`nvidia-smi`确认驱动版本≥525.60（支持CUDA 12.x）[^4]。
评论
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

打赏作者

坦笑&&life

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

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