PyTorch导入时程序阻塞挂起问题求助与排查

这确实是个挺罕见的问题，结合你提供的回溯信息、环境细节以及过往的部署经验，我整理了几个针对性的排查方向，你可以逐一尝试：

1. 清理残留进程，排查系统资源冲突 #

你提到出现过Soft lock up on CPU#4的提示，这大概率和残留进程占用关键资源有关：

• 先杀掉所有Python相关进程：执行ps aux | grep python列出所有Python进程，用kill -9 <pid>强制终止所有可疑进程（包括之前挂起的Python会话）
• 检查文件描述符是否耗尽：执行ulimit -n查看当前限制，lsof | wc -l统计已使用的文件描述符数量，如果已接近限制，临时调高试试：ulimit -n 65535，之后再测试import torch

2. 深挖uname调用的异常场景 #

从回溯信息看，问题卡在Python调用uname -p的子进程读取环节，虽然直接执行uname正常，但Python的子进程环境可能有差异：

• 手动模拟Python的调用方式：执行python3 -c "import os; print(os.popen('uname -p 2> /dev/null').read())"，观察是否会挂起
• 确认uname的合法性：执行which uname确保路径是/bin/uname，再用ls -l /bin/uname检查是否为正常系统二进制文件，避免被异常脚本替换
• 临时绕过platform模块调用（验证用）：在导入torch前手动覆盖platform.system方法，看是否能正常导入：

  import platform
  # 临时替换platform.system的返回值
  original_system = platform.system
  platform.system = lambda: 'Linux'
  # 尝试导入torch
  import torch
  # 恢复原方法
  platform.system = original_system
  

3. 排查CUDA与GPU相关异常 #

虽然你用的CUDA10.0和440.82驱动版本兼容，但GPU层面的异常也可能导致初始化挂起：

• 检查GPU状态：执行nvidia-smi查看GPU是否被其他进程占用，驱动是否正常加载；再用lsmod | grep nvidia确认内核模块是否正常
• 测试无GPU环境下的导入：设置export CUDA_VISIBLE_DEVICES=""，然后执行python3 -c "import torch"，如果不再挂起，说明问题可能出在CUDA上下文初始化环节，可进一步排查GPU硬件或驱动的深层问题

4. 验证Python环境的纯净性 #

系统级Python环境可能存在损坏或第三方库干扰：

• 创建全新虚拟环境测试：

  python3 -m venv torch_test_env
  source torch_test_env/bin/activate
  pip install torch==1.4.0 torchvision==0.5.0
  python -c "import torch"
  

• 排除第三方库干扰：在干净的虚拟环境中只安装PyTorch，不导入其他自研库或第三方库，测试是否能正常导入

5. 系统层面的深层排查 #

Soft lock up提示通常指向系统内核或硬件问题：

• 查看系统日志：执行dmesg搜索是否有CPU、内存、PCIe总线相关的错误日志，尤其是和Soft lock up相关的条目
• 更新系统内核：CentOS7.4的内核版本较老，部分内核bug可能导致进程挂起，执行yum update kernel更新到最新稳定内核后重启系统，再测试问题是否消失

补充提示：你提到多次测试中偶尔出现Soft lock up，这更偏向系统底层的资源竞争或硬件/内核异常，建议优先排查系统日志和进程残留的情况。

内容的提问来源于stack exchange，提问作者Ted Yu