Streamlit Cloud部署含PyTorch、Torchvision的图像分割应用时出现RuntimeError: Numpy is not available错误求助

阿华AIGC实验室

2026-4-2

兄弟我太懂这种本地跑起来丝滑顺畅，一上Streamlit Cloud就报玄学错误的憋屈感了！我之前部署PyTorch相关应用时也踩过类似的坑，给你分享几个亲测有效的解决方案，应该能帮你搞定这个“Numpy明明在requirements里却找不到”的问题。

先帮你梳理下问题确认下：你本地用Streamlit跑图像分割应用完全正常，但部署到Streamlit Cloud时，哪怕requirements.txt里已经加了numpy，也尝试了重排依赖、清缓存、重建环境，还是会抛出RuntimeError: Numpy is not available，甚至最小测试用例torch.tensor([1.0, 2.0]).numpy()都在云端报错。

方案1：锁定Numpy的具体版本，避免兼容性冲突

你之前用的是numpy>=1.21.0这种宽松的版本约束，可能会导致Streamlit Cloud安装了和PyTorch 2.0.1不兼容的Numpy新版本。我建议直接指定一个和Torch 2.0.1经过验证的稳定版本，比如numpy==1.24.3（这个版本和Torch 2.0.x系列兼容性拉满）。

修改后的requirements.txt开头可以这么写：

numpy==1.24.3
pillow==9.5.0
torch==2.0.1
torchvision==0.15.2
gdown==4.7.1
opencv-python==4.8.0
...其他依赖

方案2：强制让Numpy优先于Torch完成安装

虽然你试过重排依赖，但可能还是要更严格地保证Numpy先装完。Streamlit Cloud的pip安装基本是按requirements.txt的顺序来的，但有时候会有依赖解析的小问题，你可以把Numpy放在最最开头，然后Torch紧跟其后，并且把Torchvision的版本也锁定（不要用>=，用具体版本），这样依赖解析会更明确。

方案3：彻底清理Streamlit Cloud的所有缓存（比“Rebuild Environment”更彻底）

有时候光是点“Rebuild Environment”还不够，要连应用的缓存文件一起清：

打开Streamlit Cloud的应用设置页面
先点“Clear cache”按钮，把所有运行时缓存清掉
再进“Advanced settings”，找到“Build cache”选项，选择“Clear build cache”
最后再点“Rebuild Environment”，让它从零开始重新下载所有依赖

方案4：加一段Debug代码，确认Numpy是否真的安装成功

你可以在Streamlit应用的最开头加一段小代码，先检查Numpy和Torch的状态，这样能直观看到云端到底装了啥：

import sys
try:
    import numpy
    print(f"Numpy版本：{numpy.__version__}，安装路径：{numpy.__file__}")
except ImportError:
    print("Numpy根本没装成功！")

try:
    import torch
    print(f"Torch版本：{torch.__version__}")
    test_tensor = torch.tensor([1.0, 2.0])
    print(f"Torch转Numpy测试结果：{test_tensor.numpy()}")
except Exception as e:
    print(f"Torch相关错误详情：{str(e)}")

把这段代码放在所有其他导入之前，部署后看Streamlit Cloud的日志，就能明确知道Numpy有没有装成功，以及Torch能不能正常调用它。