导入PyTorch后运行代码导致内核崩溃的解决方法咨询

1. 重装匹配版本的PyTorch #

• 先确认自己的Python版本（终端运行python --version）、操作系统、CUDA版本（用NVIDIA显卡的话，终端运行nvcc --version，无GPU就选CPU版）。
• 先卸载现有torch：pip uninstall torch torchvision torchaudio -y
• 按对应环境安装合适的torch版本，CPU版直接跑：pip install torch torchvision torchaudio；GPU版根据CUDA版本选对应安装命令执行。

2. 单独验证torch导入是否正常 #

• 写个极简测试脚本：

import torch
print(torch.__version__)
print(torch.cuda.is_available())  # 有GPU的话看能不能识别

• 终端直接运行这个脚本，要是这里就崩溃，说明torch本身没装对，回到第一步重新装。

3. 排查依赖冲突，用全新虚拟环境测试 #

• 终端跑pip list看当前环境的包版本，重点核对numpy、matplotlib和torch的兼容性，旧版torch可能和高版numpy冲突。
• 建个新虚拟环境试试：
  • 创建：python -m venv torch_env
  • 激活：Windows用torch_env\Scripts\activate，Linux/macOS用source torch_env/bin/activate
  • 依次装依赖：pip install numpy matplotlib，再装对应版本torch。
  • 在这个新环境里跑原代码，看是否正常。

4. 核对Jupyter/VS Code的内核配置 #

• VS Code里，左下角状态栏点Python版本，切换到装了正确torch的环境内核。
• Jupyter里，通过Kernel > Change Kernel选对环境，别用系统默认的可能有冲突的内核。

5. 检查系统内存 #

• 导入torch会占不少内存，要是系统内存不足（比如低于4GB），容易崩内核。关掉其他占内存的程序，或者加内存。

内容的提问来源于stack exchange，提问作者Jimmy Li