如何在Poetry中安装无GPU依赖的torch==2.0.1（间接依赖场景）

问题背景 #

• 项目间接依赖torch==2.0.1，仅需在CPU环境运行
• torch自带的cuda/cublas/cudnn等GPU相关组件占用了镜像中4.5GB空间（总镜像大小6.5GB）
• 使用Poetry 1.8.2，运行环境为Linux 6.6.22-linuxkit x86_64
• 曾尝试在Dockerfile中设置ARG CUDA_VISIBLE_DEVICES=""后执行poetry install，但该环境变量仅作用于运行时，无法改变安装过程
• 已知直接依赖torch时可指定cpuonly版本，但当前torch为间接依赖，无法直接修改上游依赖声明

可行解决方案 #

1. 在pyproject.toml中覆盖间接依赖 #

Poetry允许通过显式声明torch来覆盖间接依赖的版本和包源，指定CPU专用的wheel包：

[tool.poetry.dependencies]
python = "^3.x"
# 保留你的其他直接依赖
torch = { version = "2.0.1", url = "<对应你Python版本的CPU版torch wheel地址>" }

根据你使用的Python版本（如cp39对应Python3.9、cp310对应Python3.10），找到PyTorch官方提供的Linux x86_64 CPU版本wheel包地址替换占位符，然后执行：

poetry lock --no-update
poetry install

2. 使用约束文件强制指定CPU版本 #

创建constraints.txt文件，内容如下：

torch==2.0.1+cpu

执行安装时指定该约束文件，Poetry会优先使用符合约束的CPU版本：

poetry install --constraint constraints.txt

这种方式无需修改pyproject.toml，适合临时场景或不想提交配置变更的情况。

3. Docker构建时预安装CPU版torch #

在Dockerfile中先手动安装CPU版本的torch，再执行poetry install，让Poetry复用已安装的包，避免下载GPU版组件：

# 先安装CPU版torch，替换为对应Python版本的CPU包源
RUN pip install torch==2.0.1+cpu -f <PyTorch CPU包源地址>
# 执行poetry install，跳过已安装的torch
RUN poetry install --no-root --no-directory

4. 临时修改poetry.lock（不推荐） #

直接在poetry.lock中找到torch的条目，将其url替换为CPU版本的wheel地址，然后执行：

poetry install --no-root

注意：这种修改会在下次执行poetry update时被覆盖，仅适合临时应急使用。

验证安装结果 #

安装完成后，运行以下代码确认torch为CPU版本：

import torch
print(torch.cuda.is_available())  # 输出应为False

内容的提问来源于stack exchange，提问作者codeech