### PyTorch 下载失败问题分析与解决方案 在使用 PyTorch 时，如果遇到 `RuntimeError: [enforce fail at .. c10\core\impl\alloc_cpu.cpp:72] data.DefaultCPUAllocator: not enough memory: you tried to allocate 58982400 bytes`[^1] 的错误提示，这通常表明系统内存不足或分配失败。然而，当下载失败且错误提示为“not enough bytes received”时，问题可能与网络连接、数据完整性检查或远程服务器状态相关。 #### 1. 网络连接问题 如果下载过程中网络不稳定或中断，可能会导致接收的字节数不足。解决方法包括： - **检查网络连接**：确保网络环境稳定，避免在高延迟或低带宽的情况下进行下载。 - **更换下载源**：PyTorch 默认使用官方镜像下载预训练模型或数据集。可以尝试更改下载源为国内镜像站点，例如阿里云或清华大学 TUNA 镜像站。 ```python import os os.environ['TORCH_HOME'] = '/path/to/custom/cache' ``` 设置自定义缓存路径后，可以手动指定下载链接[^3]。 #### 2. 数据完整性问题 PyTorch 在下载文件时会验证文件的完整性。如果文件损坏或未完全下载，可能导致“not enough bytes received”的错误。解决方法包括： - **清除缓存并重试**：删除本地缓存目录中的不完整文件，并重新运行代码。 ```python import shutil cache_dir = os.path.expanduser(os.getenv('TORCH_HOME', '~/.cache/torch')) shutil.rmtree(cache_dir) ``` - **手动下载文件**：从官方文档中查找目标文件的下载链接，手动下载后放置到正确的缓存路径中。 #### 3. 系统资源限制 即使网络正常，系统资源不足也可能导致下载失败。解决方法包括： - **减少并发任务**：关闭不必要的应用程序以释放更多内存和 CPU 资源。 - **调整 PyTorch 配置**：通过设置 `torch.set_num_threads(1)` 减少线程数，降低资源消耗。 #### 4. 代码示例 以下是一个简单的代码示例，展示如何处理下载失败的情况： ```python import torch from torchvision import models # 尝试加载预训练模型 try: model = models.resnet18(pretrained=True) except RuntimeError as e: print(f"下载失败：{e}") # 清除缓存并重试 import os, shutil cache_dir = os.path.expanduser(os.getenv('TORCH_HOME', '~/.cache/torch')) shutil.rmtree(cache_dir) model = models.resnet18(pretrained=True) ``` ###