在Lego Mindstorms EV3（ev3dev系统）上安装运行PyTorch的可行性问询

问题1：该配置设备是否可以正常安装并运行PyTorch？ #

执行pip3 install torch==1.10.0+cpu出现版本匹配报错的核心原因有两个：

• 官方PyTorch没有提供适配ARMv5指令集的预编译包：所用的TI Sitara AM18080处理器的ARM926EJ-S核心属于ARMv5架构，官方PyTorch的ARM架构预编译包最低仅支持ARMv7及以上架构，因此pip源中找不到对应版本。
• PyTorch 1.10.0的最低Python版本要求为Python 3.6，设备上的Python 3.5无法满足，但即使使用Python 3.9，架构不兼容的问题依然存在。

理论上可以安装，但需要手动交叉编译高度裁剪的PyTorch版本，操作门槛很高。编译时需要剔除所有CUDA相关组件、裁剪掉非必要的算子、优化内存占用，同时要适配ev3dev的Debian环境和ARMv5指令集，还要匹配设备上的Python 3.9版本。

问题2：若支持安装，运行性能是否在可接受范围内？ #

即使成功安装裁剪版的PyTorch，性能也完全达不到可用水平，原因如下：

• 内存限制：完整版PyTorch启动加载就需要至少几十MB内存，设备仅有64MB总运行内存，加载后剩余内存完全不够支撑哪怕最简单的推理任务，很容易触发内存溢出报错。
• 处理器性能限制：300MHz的ARM9核心算力极低，哪怕是运行MNIST手写数字识别这类超小模型的单样本推理，耗时也会达到数秒甚至数十秒，复杂模型完全无法运行。

实用建议：不建议强行安装PyTorch，可以选择更轻量的替代方案，比如用NumPy实现简单的神经网络逻辑，或是使用适配嵌入式设备的轻量机器学习库，足够支撑LEGO EV3常见的传感器数据处理、简单分类等任务。

内容的提问来源于stack exchange，提问作者Steve2Fish