R中Reticulate调用transformers无法识别已安装的PyTorch如何解决

你能正常调用torch的方法说明torch包本身已经正确安装，出现该报错的核心原因是2种：

1. 使用py_install("PyTorch")安装时，pip源下的PyTorch是无实际功能的占位包，干扰了transformers的依赖检测
2. 安装顺序错误：先安装transformers再安装torch，transformers安装时没有记录torch依赖，运行时检测失败

解决方案 #

1. 清理并重新安装依赖 #

统一使用pip安装，避免conda和pip混合安装导致的路径冲突，先卸载旧的错误包再重新安装：

use_virtualenv("r-reticulate", required = TRUE)
# 卸载旧的无效包
py_run_string("import pip; try: pip.main(['uninstall', '-y', 'torch', 'transformers', 'PyTorch']) except: pass")
# 先安装torch，再安装transformers
reticulate::py_install("torch", pip = TRUE)
reticulate::py_install("transformers", pip = TRUE)

2. 调整代码执行顺序 #

导入时先初始化torch，再导入transformers，确保transformers检测时torch已经完成环境加载；调用预训练模型时添加from_tf = FALSE参数强制加载PyTorch格式权重：

# 先导入并验证torch
torch = reticulate::import('torch')
print(torch$__version__) # 输出版本号即说明torch正常可用

# 再导入transformers
transformer = reticulate::import('transformers')

tokenizer = transformer$AutoTokenizer$from_pretrained("gagan3012/keytotext-small")
# 注意该模型为文本生成模型，使用AutoModelForSeq2SeqLM适配性更好
model = transformer$AutoModelForSeq2SeqLM$from_pretrained("gagan3012/keytotext-small", from_tf = FALSE)

3. 强制跳过依赖检测（兜底方案） #

如果上述操作后依然报错，可以手动修改transformers的检测标记，跳过torch校验：

py_run_string("import transformers.utils.import_utils; transformers.utils.import_utils._is_torch_available = lambda: True")

内容的提问来源于stack exchange，提问作者brucezepplin