不降级PyTorch如何解决torch.utils.ffi弃用报错、适配新版环境

核心问题定位 #

报错仅为导入层依赖缺失：原代码依赖的torch.utils.ffi是PyTorch 0.4版本的临时C扩展绑定模块，在PyTorch 1.0及之后版本被官方移除，但实际编译产出的_nms.so二进制库本身和新版PyTorch完全兼容，仅需替换导入时的包装逻辑即可正常运行，不需要重新实现NMS的C/C++核心代码。

直接替换原有代码的可用版本 #

将你贴出的整段导入代码替换为以下内容，即可消除导入错误：

from ._nms import lib as _lib, ffi as _ffi

__all__ = []

# 复现旧版torch.utils.ffi._wrap_function的等效逻辑，无版本依赖
def _wrap_function(c_func, ffi):
    def wrapper(*args):
        c_args = []
        for arg in args:
            # 自动将PyTorch Tensor转换为C扩展可识别的内存指针
            if hasattr(arg, 'data_ptr'):
                c_args.append(ffi.cast("void*", arg.data_ptr()))
            else:
                c_args.append(arg)
        return c_func(*c_args)
    return wrapper

def _import_symbols(locals):
    for symbol in dir(_lib):
        fn = getattr(_lib, symbol)
        if callable(fn):
            locals[symbol] = _wrap_function(fn, _ffi)
        else:
            locals[symbol] = fn
        __all__.append(symbol)

_import_symbols(locals())

运行注意事项 #

• 替换代码后无需重新编译C扩展，原有_nms.so二进制文件可直接复用
• 如果运行时出现指针类型匹配报错，仅需将ffi.cast("void*", ...)中的类型替换为和NMS实现匹配的具体类型（如"float*"、"int*"），即可对齐旧版的参数传递逻辑
• 该方案兼容所有PyTorch 1.0及以上版本，包括PyTorch 2.x系列，不会影响原有环境的其他依赖

内容的提问来源于stack exchange，提问作者Lyhour Chhay