运行.py文件报Could not initialize NNPACK错误但Jupyter正常如何解决

问题原因 #

你看到的[W NNPACK.cpp:80] Could not initialize NNPACK! Reason: Unsupported hardware属于PyTorch抛出的警告，而非致命错误，大部分情况下不会阻断代码运行，只是可能会降低CPU端的模型运算效率。
NNPACK是PyTorch内置的、用于加速CPU端神经网络运算的底层库，仅支持带有AVX2指令集的x86_64架构CPU、或带有NEON指令集的ARM架构CPU，当你的硬件不满足上述要求时，就会触发该初始化警告。
出现两个运行环境表现不一致的核心原因是运行时配置差异：

• VS Code内嵌的Jupyter Notebook默认调用了GPU执行模型运算，没有触发CPU端的NNPACK初始化逻辑，因此不会抛出警告
• 独立.py文件运行时默认调用CPU执行推理，触发了NNPACK的硬件校验逻辑
• 也可能是两个场景绑定的Python运行环境不同，对应的PyTorch版本、环境变量配置存在差异，导致NNPACK的启用逻辑不同

修复方案 #

如果代码可以正常运行、仅弹出该警告，可优先选择屏蔽警告或关闭NNPACK的方案，无需调整核心逻辑：

• 方案1：强制指定GPU运行（设备支持CUDA时优先选择）
  在代码入口处统一指定运算设备，所有模型、输入张量都绑定到GPU，完全避免CPU端的NNPACK调用：

import torch
# 全局指定运算设备
device = torch.device("cuda" if torch.cuda.is_available() else "cpu")
# 模型、输入张量都迁移到对应设备
model = model.to(device)
input_tensor = input_tensor.to(device)

• 方案2：手动关闭NNPACK调用
  直接禁用PyTorch的NNPACK功能，跳过硬件校验步骤：

import torch
torch.backends.nnpack.enabled = False

• 方案3：过滤指定警告
  不想修改运行配置时，直接过滤该类警告输出即可：

import warnings
warnings.filterwarnings("ignore", message="Could not initialize NNPACK")

• 方案4：统一运行环境
  确认独立.py文件使用的Python环境与VS Code Jupyter绑定的环境完全一致，可分别在两个环境执行以下命令校验PyTorch版本：
  • Windows环境：pip list | findstr torch
  • Linux/macOS环境：pip list | grep torch
    如果版本不一致，将独立运行环境的PyTorch调整为和Jupyter环境相同版本即可。

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