安装tsai时PIP重复下载匹配版本PyTorch的原因及解决方法

可能的原因 #

• pip依赖解析逻辑问题：旧版本pip的依赖解析存在缺陷，无法正确识别已安装的、满足版本范围要求的PyTorch；或是tsai的依赖声明中隐含了torch配套库（如torchvision、torchaudio）的版本约束，导致pip判定当前环境的依赖组合不兼容，需要重新安装PyTorch来匹配。
• 环境不一致：执行pip list查询的环境与安装tsai的环境并非同一个——比如一个是全局Python环境，另一个是虚拟环境，导致安装tsai时目标环境中并没有符合要求的PyTorch。
• 缓存或依赖冲突：pip本地缓存的依赖信息过时，或是当前环境中存在其他包与已安装的PyTorch版本冲突，触发pip尝试重新安装PyTorch来解决冲突。
• 平台版本不匹配：你安装的PyTorch是针对特定CUDA版本/平台编译的，而tsai的依赖声明默认指向通用版本（如CPU版），pip判定当前版本不符合平台特定的依赖要求。

解决方法 #

• 升级pip到最新版本：

  pip install --upgrade pip
  

  新版本pip的依赖解析逻辑更完善，能准确识别已安装的符合版本要求的包。
• 确认环境一致性：
  分别执行以下命令，检查两个操作的pip路径是否一致：

  which pip  # 查看安装tsai时使用的pip路径
  pip list | grep torch  # 先执行该命令，再对应查看pip路径
  

  确保在同一个虚拟环境或全局环境下操作，必要时激活目标虚拟环境后再安装tsai。
• 跳过依赖自动安装：
  安装tsai时添加--no-deps参数，手动跳过依赖安装（你已确认本地有符合要求的PyTorch）：

  pip install tsai==0.3.5 --no-deps
  

• 清理pip缓存：
  清除pip本地缓存，让它重新解析依赖：

  pip cache purge
  

• 检查配套依赖版本：
  确认torchvision、torchaudio的版本与已安装的PyTorch 1.8.1兼容，若版本不匹配，先升级或降级这些配套库，再安装tsai。

内容的提问来源于stack exchange，提问作者J Agustin Barrachina