为何可通过pip安装CUDA11版PyTorch却无法用升级后的pipenv安装?
问题根因
这是pipenv升级后的行为变化导致的,和底层pip的功能无关:
- 旧版pipenv的参数解析逻辑为,无法识别为pipenv自身配置的命令行参数,会全部透传给底层调用的pip执行,因此你之前写的
-f额外源参数能被pip正确接收到,顺利找到PyTorch托管的带CUDA后缀的whl包。 - 新版pipenv调整了参数解析规则,会严格识别pipenv自身支持的配置项,命令行中跟在包名后的
-f参数不属于pipenv原生支持的安装配置,会被直接丢弃,不会传递给底层pip。此时pip只会从默认PyPI源检索依赖,而PyPI官方仅托管不带CUDA后缀的通用版torch,不存在1.7.0+cu110这类本地编译的CUDA适配版本,因此触发“找不到匹配版本”的报错。
解决方法
方法1:通过Pipfile内置源配置安装(长期稳定)
pipenv本身的设计就是将包索引、版本依赖配置全部写入Pipfile,而非依赖命令行临时传参,这种方式不受pipenv版本升级的参数解析规则影响:
- 打开项目目录下的
Pipfile,补充PyTorch的专属包索引配置,并指定对应包的索引来源,参考配置如下:[[source]] url = "https://pypi.org/simple" verify_ssl = true name = "pypi" # 新增PyTorch专属包索引 [[source]] url = "https://download.pytorch.org/whl/torch_stable.html" verify_ssl = true name = "pytorch" [packages] torch = {== "1.7.0+cu110", index = "pytorch"} torchvision = {== "0.8.1+cu110", index = "pytorch"} torchaudio = "==0.7.0" - 配置完成后直接执行
pipenv install,pipenv会自动按照指定的索引路径检索对应版本的包,完成CUDA版PyTorch的安装。
方法2:虚拟环境内直接调用pip安装(快速验证)
如果不需要调整Pipfile的结构,可以用虚拟环境内的pip直接完成安装,再同步锁文件:
- 执行
pipenv shell激活当前项目的pipenv虚拟环境 - 在激活后的终端中,直接运行原生的pip安装命令:
pip install torch==1.7.0+cu110 torchvision==0.8.1+cu110 torchaudio===0.7.0 -f https://download.pytorch.org/whl/torch_stable.html - 安装完成后执行
pipenv lock,将当前虚拟环境内的依赖版本同步写入Pipfile.lock,后续其他环境还原依赖时直接执行pipenv sync即可。
安装结果验证
在虚拟环境内执行如下命令,确认CUDA版PyTorch安装正常:
python -c "import torch; print(torch.cuda.is_available())"
返回True即代表当前安装的PyTorch可以正常调用CUDA能力。
内容的提问来源于stack exchange,提问作者carsondenisonHP
相关产品推荐
相关产品推荐

