看起来你遇到了一个典型的“环境不一致”或者“动态模块检测异常”问题——明明pip显示PEFT已经安装，但加载模型时却始终提示缺失。结合你的报错信息和操作步骤，我整理了几个最可能的原因及对应的解决办法：

一、优先确认代码运行环境与pip list的环境一致 #

这是最常见的诱因！很多时候我们误以为激活了正确的虚拟环境，但实际上代码运行依赖的是另一个Python解释器。你可以按以下步骤验证：

• 在加载模型的代码最开头添加几行调试代码：

  import sys
  print("当前Python解释器路径：", sys.executable)
  try:
      import peft
      print("可导入的PEFT版本：", peft.__version__)
  except ImportError:
      print("当前环境无法导入PEFT！")
  

  运行后如果直接提示无法导入PEFT，说明代码确实跑在未安装PEFT的环境中；若能正常打印版本，再对比解释器路径是否与你执行pip list的虚拟环境匹配。
• 对比路径一致性：激活你认为正确的虚拟环境后，执行which pip，输出的路径应与代码打印的sys.executable处于同一个bin目录下（比如均在虚拟环境的bin文件夹内）。若不一致，需调整IDE的解释器配置，或重新激活正确的虚拟环境后再运行代码。

二、强制重装PEFT，确保安装完整无损坏 #

有时PEFT的安装可能存在文件缺失或不完整，导致动态模块检测失效：

1. 激活正确的虚拟环境后，执行强制重装命令：

   pip install --force-reinstall peft==0.14.0
   

2. 若怀疑版本兼容性问题（比如ChemVLM的自定义代码对PEFT版本有特定要求），可尝试降级到更稳定的版本，例如：

   pip install peft==0.13.0
   

三、清理Transformers的动态模块缓存 #

由于你启用了trust_remote_code=True，Transformers会下载并缓存模型的自定义代码模块。如果第一次加载模型时PEFT尚未安装，缓存的检测逻辑可能未更新，导致后续即使安装了PEFT仍报错：

• 找到Hugging Face的缓存目录（通常为~/.cache/huggingface/hub），删除与ChemVLM-26B相关的动态模块文件夹，或直接清空整个hub缓存（注意：清空后需重新下载所有模型及模块）。
• 或在加载模型时通过cache_dir指定新的缓存路径，让Transformers重新下载并编译模型的自定义代码：

  model = AutoModel.from_pretrained(
      path,
      torch_dtype=torch.bfloat16,
      low_cpu_mem_usage=True,
      trust_remote_code=True,
      cache_dir="./new_chemvlm_cache"  # 指定全新的缓存目录
  ).eval().cuda()
  

四、检查PEFT安装路径是否在Python搜索路径中 #

少数情况下，PEFT可能被安装到了Python解释器无法识别的路径下：

1. 执行pip show peft，查看输出的Location字段，获取PEFT的实际安装路径。
2. 在代码开头添加路径检查：

   import sys
   print("Python搜索路径列表：", sys.path)
   

   若PEFT的安装路径不在列表中，可在代码开头手动添加路径：

   import sys
   sys.path.append("/path/to/peft/location")  # 替换为pip show输出的Location路径
   

   或重新激活目标虚拟环境后安装PEFT，它会自动被安装到虚拟环境的site-packages目录（该目录默认在Python搜索路径中）。

备注：内容来源于stack exchange，提问作者Vinodh Saigopal