一、解决pip安装时的"No matching distribution found for numpy"问题 #

你遇到的核心矛盾是：你的numpy装在用户本地site-packages（/home/name/.local/lib/python3.6/site-packages），但用全局的/usr/bin/python3.6 -m pip安装torch时，pip的依赖检查逻辑默认优先扫描全局site-packages路径，没找到numpy所以报错；而Python控制台能正常导入numpy，是因为Python会自动搜索用户本地的site-packages目录，两者的路径识别逻辑不一样。

先验证：用--no-dependencies安装的torch是否可用 #

先别急着重装，先确认现有安装是否能正常工作：

/usr/bin/python3.6 -c "import torch; print(torch.__version__); print(torch.cuda.is_available())"

如果输出1.1.0和False，说明torch的核心功能已经正常了——毕竟你在Windows上用同版本numpy搭配torch1.1.0成功过，版本兼容性是没问题的。

彻底解决pip依赖识别问题的三种方案 #

1. 用--user参数安装torch
   让pip优先搜索用户本地的site-packages路径，直接执行：

/usr/bin/python3.6 -m pip install --user /path/to/your/torch-1.1.0-cp36-cp36m-linux_x86_64.whl

这样pip会自动识别到你已安装的本地numpy，不会再抛出依赖错误。

2. 临时添加用户site-packages到PYTHONPATH
   先设置环境变量，让pip能找到本地numpy：

export PYTHONPATH="/home/name/.local/lib/python3.6/site-packages:$PYTHONPATH"
/usr/bin/python3.6 -m pip install /path/to/your/torch-1.1.0-cp36-cp36m-linux_x86_64.whl

3. 将numpy安装到全局site-packages
   如果不介意全局安装，用sudo把numpy装到全局路径：

sudo /usr/bin/python3.6 -m pip install numpy==1.15.4

之后再运行torch的安装命令就不会有依赖问题了。

二、无GPU环境下从源码编译PyTorch 1.1.0 #

之前你尝试源码编译失败，是因为没正确设置无CUDA的编译参数，按照以下步骤操作即可：

1. 安装编译依赖 #

先确保系统有足够的编译工具和依赖包：

sudo apt-get update
sudo apt-get install build-essential cmake git libssl-dev libffi-dev python3-dev
# 安装torch编译所需的Python依赖
sudo /usr/bin/python3.6 -m pip install numpy==1.15.4 pyyaml setuptools cffi typing_extensions

2. 克隆并切换到PyTorch 1.1.0源码 #

git clone https://github.com/pytorch/pytorch.git
cd pytorch
# 切换到1.1.0的tag版本
git checkout tags/v1.1.0
# 初始化并更新所有子模块（这一步很重要，别漏了）
git submodule update --init --recursive

3. 设置无CUDA的编译环境变量 #

导出以下变量告诉编译脚本不需要CUDA支持：

export NO_CUDA=1
export PYTHON=/usr/bin/python3.6
# 如果不需要分布式训练功能，可以加这个变量加快编译
export NO_DISTRIBUTED=1

4. 编译并安装 #

# 开始编译（这一步可能需要几十分钟，取决于你的虚拟机性能）
python setup.py build
# 安装编译好的torch
sudo python setup.py install
# 或者如果想装到用户本地，用：python setup.py install --user

5. 验证编译结果 #

运行以下命令确认安装成功：

/usr/bin/python3.6 -c "import torch; print(torch.__version__); print(torch.cuda.is_available())"

如果输出1.1.0和False，说明无GPU版本的torch编译安装成功了。

内容的提问来源于stack exchange，提问作者Tacocat