torch1.8.0搭配torch-sparse0.6.11报错AttributeError:torch无cuda属性

根本原因 #

该报错核心为torch-sparse版本与当前PyTorch版本、CUDA版本不匹配，导入时触发循环依赖导致torch模块半初始化，无法正常读取cuda属性。

解决步骤 #

1. 卸载现有冲突包 #

先清理所有不匹配的相关包，避免残留干扰：

pip uninstall torch-sparse torch-scatter torch-cluster torch-spline-conv torch-geometric -y
pip uninstall torch torchvision torchaudio -y

2. 安装匹配的PyTorch 1.8.0版本 #

以CUDA 11.1版本为例（如为CPU版本或其他CUDA版本，调整命令中cu111后缀即可）：

pip install torch==1.8.0+cu111 torchvision==0.9.0+cu111 torchaudio==0.8.0 -f https://download.pytorch.org/whl/torch_stable.html

安装完成后先单独验证PyTorch可用性，确认无报错：

import torch
print(torch.__version__)
# 输出应为 1.8.0+cu111
print(torch.cuda.is_available())
# 正常输出为True（GPU环境）或False（CPU环境）

3. 安装匹配的torch-sparse 0.6.11版本 #

对应CUDA 111环境命令：

pip install torch-sparse==0.6.11 -f https://data.pyg.org/whl/torch-1.8.0+cu111.html

对应CPU环境命令：

pip install torch-sparse==0.6.11 -f https://data.pyg.org/whl/torch-1.8.0+cpu.html

4. 验证最终效果 #

执行以下代码确认导入正常：

import torch
from torch_sparse import SparseTensor
print("模块导入成功，无报错")

额外注意事项 #

• 不要将自己的代码文件命名为torch.py、cuda.py等和官方库重名的名称，否则会触发导入优先级问题，导致半初始化报错
• 操作前先激活对应的conda/venv虚拟环境，避免包安装到全局环境产生冲突

内容的提问来源于stack exchange，提问作者zyfreshman