我之前在安装GPU版XGBoost时也碰到过几乎一模一样的问题，这种生成了egg文件但安装宣告失败的情况，大多和编译文件不匹配、安装方式或者环境配置有关，给你几个实用的排查和解决方向：

1. 确认libxgboost.dll的正确性 #

• 首先要确保你复制的libxgboost.dll是GPU专属编译版本，而不是CPU版的。如果是自己编译的，要回忆编译时是否开启了GPU支持（比如执行cmake命令时加了-DUSE_CUDA=ON参数）；如果是下载的预编译文件，必须和你的CUDA版本、Python版本完全对应，版本不匹配是这类问题的高发原因。
• 建议重新获取对应版本的GPU版libxgboost.dll，替换原文件后再重新执行安装步骤。

2. 改用wheel+pip的方式安装 #

直接用python setup.py install有时候会出现依赖处理不彻底的情况，换成wheel包安装会更稳定：

cd xgboost_install_dir\python-package\
# 生成wheel安装包
python setup.py bdist_wheel
# 用pip安装wheel包
pip install dist\xgboost-0.7-py3-none-any.whl

pip会自动处理所有依赖，还能避免setup.py安装时的一些环境兼容问题。

3. 检查Python环境与CUDA配置 #

• 先确认你的Python 3.5环境已经安装了XGBoost必需的依赖：

  pip install numpy scipy --upgrade
  

  老旧版本的numpy/scipy也可能导致安装或运行失败。
• 另外，要确保系统环境变量中正确配置了CUDA路径：CUDA_PATH需要指向你的CUDA安装目录（比如C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0，具体路径根据你的CUDA版本调整），GPU版XGBoost需要调用CUDA的底层库，路径错误会导致安装后无法加载GPU支持。

4. 验证安装实际状态 #

有时候setup.py的输出会有误导性，你可以手动验证是否真的安装失败：
打开Python终端，执行以下代码：

import xgboost as xgb
print("XGBoost版本：", xgb.__version__)
print("GPU支持状态：", xgb.config.get_config()["use_cuda"])

如果能成功导入，且use_cuda显示为True，那说明安装已经成功了，只是setup.py的提示有误；如果导入报错，把具体的错误信息贴出来，能更精准地定位问题。

内容的提问来源于stack exchange，提问作者Dirk Paul