### 解决导入 numpy 时出现的 IndentationError 和 ImportError 问题 在使用 Anaconda 环境下的 Python 3.9 进行深度学习开发时，遇到 `numpy.core.multiarray` 导入失败以及 `IndentationError` 错误，可能是由于以下原因导致：环境配置问题、依赖冲突或代码语法错误。以下是详细解决方案。 --- #### 一、解决 `numpy.core.multiarray` 导入失败问题 ##### 1. 根本原因分析 `ImportError: DLL load failed while importing _multiarray_umath` 的常见原因是 NumPy 版本与 Python 版本不兼容，或者系统缺少必要的运行时库[^1]。 ##### 2. 解决方案 ```bash # 激活 Conda 环境 conda activate py39 # 卸载并重装 NumPy pip uninstall -y numpy conda install numpy=1.23.5 -c conda-forge # 安装 MKL 相关依赖以修复潜在 DLL 问题 conda install mkl-service mkl_fft -c intel ``` ##### 3. 验证修复 创建一个测试脚本 `test_numpy.py` 来验证修复效果： ```python import numpy as np try: from numpy.core._multiarray_umath import __cpu_features__ print("NumPy 核心模块加载成功") except ImportError as e: print(f"错误: {e}") ``` 运行该脚本后，若输出 `NumPy 核心模块加载成功`，则说明问题已解决[^1]。 --- #### 二、解决 `IndentationError` 问题 ##### 1. 根本原因分析 `IndentationError` 是 Python 中常见的语法错误，通常由缩进不一致引起。这可能是由于混合使用空格和制表符，或者代码格式化不当造成的[^5]。 ##### 2. 解决方案 确保代码中所有缩进均使用相同数量的空格（推荐使用 4 个空格）。可以使用以下方法检查和修复： - 使用文本编辑器或 IDE 的自动格式化功能。 - 在命令行中使用工具检查缩进问题： ```bash # 安装 yapf 工具 pip install yapf # 自动格式化代码 yapf -i 影评分类.py ``` ##### 3. 示例代码 以下是修正后的代码示例，注意缩进的一致性： ```python import torchtext torchtext.disable_torchtext_deprecation_warning() def load_data(): try: from torchtext.legacy.datasets import IMDB train, test = IMDB(root='./data', split=('train', 'test')) return list(train), list(test) except ImportError as e: print(f"错误: {e}") train_iter, test_iter = load_data() ``` --- #### 三、解决 torchtext 弃用警告 ##### 1. 根本原因分析 torchtext 库自 0.14 版本起进行了大规模重构，许多功能被迁移到 `torchdata` 或其他子模块中[^2]。 ##### 2. 解决方案 更新代码以适配新 API： ```python import torchtext torchtext.disable_torchtext_deprecation_warning() from torchtext.legacy.datasets import IMDB def get_imdb_data(): train, test = IMDB(root='./data', split=('train', 'test')) return list(train), list(test) train_iter, test_iter = get_imdb_data() ``` 同时，确保安装的 torchtext 版本与 PyTorch 版本匹配： ```bash conda install pytorch==1.10.1 torchvision==0.11.2 torchaudio==0.10.1 cudatoolkit=10.2 -c pytorch pip install torchtext==0.11.1 ``` --- #### 四、环境配置优化 为了确保环境稳定性和兼容性，建议执行以下操作： ```bash # 安装科学计算常用库 conda install matplotlib scikit-learn tqdm -c conda-forge # 检查 CUDA 工具链是否正确安装 nvidia-smi ``` --- #### 五、验证步骤 创建环境检查脚本 `env_check.py` 以验证修复效果： ```python import sys print(f"Python版本: {sys.version}") try: import torch print(f"PyTorch版本: {torch.__version__}, CUDA支持: {torch.cuda.is_available()}") except ImportError: print("PyTorch未正确安装") try: import torchtext print(f"torchtext版本: {torchtext.__version__}") except ImportError: print("torchtext未正确安装") try: import numpy as np print(f"NumPy版本: {np.__version__}") from numpy.core import _multiarray_umath print("NumPy核心模块加载成功") except Exception as e: print(f"NumPy错误: {e}") ``` 运行后应输出类似以下内容： ``` Python版本: 3.9.16 PyTorch版本: 1.10.1, CUDA支持: True torchtext版本: 0.11.1 NumPy版本: 1.23.5 NumPy核心模块加载成功 ``` ---