如何配置Poetry使PyTorch使用系统CUDA，排除自带NVIDIA依赖？

要解决PyTorch重复安装系统已有的NVIDIA库问题，核心是安装依赖系统CUDA而非自带CUDA runtime的PyTorch版本，具体步骤如下：

1. 避免使用纯CPU版本 #

你之前尝试的torch[cpu]会强制安装纯CPU版PyTorch，直接禁用CUDA支持，这不符合需求。需要选择兼容系统CUDA的PyTorch核心版本。

2. 安装依赖系统CUDA的PyTorch包 #

用pip直接安装 #

针对你的系统CUDA版本（比如CUDA 12.1对应cu121），通过PyTorch的专属索引安装对应版本，这类包不会自带NVIDIA库：

pip install torch>=1.8.1+cu121 --index-url https://download.pytorch.org/whl/cu121

注意将cu121替换为你系统实际的CUDA版本号，同时确保PyTorch版本与该CUDA版本兼容（比如PyTorch 1.8.1支持CUDA 10.2/11.1，PyTorch 2.x支持CUDA 11.7+）。

如果想跳过自动依赖安装，也可以用--no-deps手动控制：

pip install torch>=1.8.1 --no-deps

这种方式需要自行确保系统CUDA版本满足PyTorch的兼容性要求。

3. 在依赖配置文件中声明 #

如果使用pyproject.toml（比如Poetry环境），可以通过指定索引或包URL来强制使用系统CUDA版本：

[project.dependencies]
deepmultilingualpunctuation = "^1.0.1"
torch = { version = ">=1.8.1", index = "pytorch-cu121" }

[[tool.poetry.source]]
name = "pytorch-cu121"
url = "https://download.pytorch.org/whl/cu121"
priority = "explicit"

4. 验证配置是否生效 #

安装完成后，运行以下代码确认PyTorch是否正确调用系统CUDA：

import torch
print(torch.cuda.is_available())
print(torch.version.cuda)

输出的CUDA版本应与系统安装的版本一致，而非PyTorch预打包版本。

关键提醒 #

• 必须保证系统CUDA版本与PyTorch版本兼容，否则会出现CUDA初始化错误
• 不要同时安装torch和torch-cuda类的冲突包
• Conda环境可采用类似思路：安装torch时指定对应CUDA版本并使用--no-deps，或从conda-forge安装依赖系统CUDA的版本

内容的提问来源于stack exchange，提问作者Rob Audenaerde