Docker部署GPU版DNN时pip安装torch指定版本失败求助

核心问题分析 #

报错显示找不到torch==1.4.0的匹配版本，主要原因有两个：

• requirements.txt中-f参数的写法不符合pip规范，导致无法正确识别PyTorch的专属镜像源
• 未明确指定对应CUDA 10.1的PyTorch包索引，pip默认源中没有老版本的CUDA兼容包

解决方案步骤 #

1. 修正requirements.txt内容 #

将原文件修改为以下格式，明确指定CUDA 10.1对应的PyTorch包索引：

--extra-index-url https://download.pytorch.org/whl/cu101
pandas
matplotlib
swig
torch==1.4.0
torchvision==0.5.0

注：--extra-index-url会让pip从指定的额外源查找包，cu101对应CUDA 10.1的专属包仓库，避免从默认源找不存在的版本。

2. 确保Docker基础镜像匹配 #

使用NVIDIA官方的CUDA 10.1开发镜像作为基础，同时保证Python版本与PyTorch 1.4.0兼容（支持Python 3.6~3.8），示例Dockerfile如下：

# 选择带CUDNN的CUDA10.1基础镜像，Ubuntu18.04对应Python3.6/3.7
FROM nvidia/cuda:10.1-cudnn7-devel-ubuntu18.04

# 安装Python和依赖工具
RUN apt-get update && apt-get install -y --no-install-recommends \
    python3 \
    python3-pip \
    && rm -rf /var/lib/apt/lists/*

# 设置pip源加速（可选）
RUN pip3 config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple

# 复制requirements.txt到容器
COPY requirements.txt /tmp/requirements.txt

# 安装依赖
RUN pip3 install --no-cache-dir -r /tmp/requirements.txt

# 设置工作目录，后续复制你的代码
WORKDIR /app

3. 验证安装正确性 #

构建镜像后，运行容器并执行以下命令验证PyTorch是否识别GPU：

python3 -c "import torch; print(torch.cuda.is_available())"

输出True则说明GPU支持正常。

额外注意事项 #

• 不要使用Python 3.9及以上版本，PyTorch 1.4.0不兼容这些新版本Python
• 确保Docker已配置NVIDIA Runtime（需安装nvidia-docker2），否则容器无法访问GPU资源

内容的提问来源于stack exchange，提问作者Hami