PyTorch v1.10与Torchtext版本不兼容问题解决方案问询

本次冲突的核心原因是PyTorch生态库torchvision、torchtext与PyTorch核心包存在严格的版本绑定规则：torchtext 0.10.0、torchvision 0.10.0仅适配PyTorch 1.9.0，和你安装的PyTorch 1.10.0版本不兼容。你可以根据项目情况选择以下任意一种方案解决：

• 方案一：升级适配PyTorch 1.10的对应生态包（最推荐）
  PyTorch 1.10.0对应的匹配版本为torchtext 0.11.0、torchvision 0.11.0，你可以直接执行对应安装命令完成升级：
  pip install torchtext==0.11.0 torchvision==0.11.0
  如果需要适配CUDA环境，给torchvision加上对应CUDA版本后缀即可，两个版本的torchtext接口差异极小，基本不需要调整现有项目代码即可运行，升级后可以直接使用PyTorch 1.10内置的cross_entropy_loss标签平滑特性。

• 方案二：手动实现标签平滑逻辑（不需要调整现有依赖版本）
  如果担心升级torchtext会导致现有项目代码不兼容，可以自定义实现标签平滑的交叉熵损失，效果和PyTorch 1.10内置特性完全一致，不需要升级PyTorch或其他依赖包：

import torch
import torch.nn.functional as F

def label_smooth_cross_entropy(inputs, targets, label_smoothing=0.1):
    class_num = inputs.shape[-1]
    log_pred = F.log_softmax(inputs, dim=-1)
    one_hot_target = F.one_hot(targets, num_classes=class_num).float()
    smooth_target = (1 - label_smoothing) * one_hot_target + label_smoothing / class_num
    return (-smooth_target * log_pred).sum(dim=-1).mean()

你只需要将项目中原来调用cross_entropy_loss的位置替换为上述自定义函数即可。

• 方案三：临时忽略依赖冲突（仅应急测试使用，不推荐）
  如果仅临时测试功能，确认不会调用torchtext、torchvision中依赖底层PyTorch版本的算子，可以在安装时添加忽略依赖参数跳过版本校验，但该方式可能引发未知运行时错误，禁止在生产环境使用。

内容的提问来源于stack exchange，提问作者Dametime