### 问题解构 用户现象： - 在终端（或 Python REPL）中执行 `python` → `import torch` ✅ 成功； - 但运行 `.py` 脚本（如 `python train.py`）或在 IDE（如 PyCharm）中执行时，报错 `ModuleNotFoundError: No module named 'torch'` ❌。 该现象**本质不是 PyTorch 安装失败，而是 Python 解释器环境不一致**——REPL 与脚本/IDE 使用了**不同 Python 环境**，导致包可见性隔离。 --- ### 核心原因分析（表格归纳） | 原因类别 | 具体表现 | 触发场景 | 检查命令 | |----------|-----------|------------|------------| | **解释器路径不一致** | 终端 `python` 指向 Conda 环境 `/miniconda3/envs/py38/bin/python`，而脚本被系统 `/usr/bin/python3` 执行 | 直接 `python script.py` 未显式指定解释器 | `which python` vs `head -1 script.py`（shebang） | | **IDE 解释器未配置** | PyCharm 默认使用系统 Python 或错误 conda 环境，未关联已安装 torch 的环境 | PyCharm 新建项目未手动设置 Interpreter | PyCharm → Settings → Project → Python Interpreter → 查看路径 | | **虚拟环境未激活** | 虽在 conda 环境中 `pip install torch`，但运行脚本时未 `conda activate py38` | 终端未激活环境直接 `python script.py` | `conda env list` + `conda info --envs` 确认当前激活状态 | | **多 Python 版本冲突** | 系统存在 Python 3.9/3.10，但 torch 仅安装在 Python 3.8 环境中 | `python3.8 script.py` 正常，`python3 script.py` 失败 | `python3.8 -c "import sys; print(sys.executable)"` 对比 `python3 -c ...` | | **PyTorch 与 CUDA 版本不兼容（隐性失效）** | `import torch` 成功但 `torch.cuda.is_available()` 返回 `False`，后续依赖 GPU 的模块（如 `torch_geometric`）触发 `ImportError` | 脚本中调用 `from torch_geometric.data import Data` 报错 | `python -c "import torch; print(torch.__version__, torch.version.cuda, torch.cuda.is_available())"` | > ✅ 所有原因均指向 **Python 解释器上下文隔离性** —— Python 的 `site-packages` 是按解释器路径严格隔离的 [ref_1][ref_2][ref_3]。 --- ### 方案推演与实操验证 #### ✅ 步骤 1：确认当前终端的 Python 解释器路径 ```bash # 在终端中执行（与成功 import torch 的会话一致） which python python -c "import sys; print(sys.executable)" python -c "import torch; print(torch.__version__)" ``` #### ✅ 步骤 2：检查脚本实际使用的解释器 ```bash # 方法一：显式用同一解释器运行 /path/to/your/conda/env/bin/python train.py # 替换为步骤1输出的路径 # 方法二：在脚本首行添加 shebang（Linux/macOS） #!/path/to/conda/env/bin/python import torch print("OK") ``` #### ✅ 步骤 3：PyCharm 配置正确解释器（关键！） 1. `File → Settings → Project → Python Interpreter` 2. 点击右上角齿轮 → `Add...` → `Conda Environment → Existing environment` 3. 在 `Interpreter` 字段中，**粘贴步骤1获取的 `sys.executable` 路径**（如 `/opt/anaconda3/envs/py38/bin/python`） 4. 点击 `OK`，等待包列表刷新 → 确认 `torch` 出现在列表中 [ref_5] #### ✅ 步骤 4：验证环境激活与包安装一致性 ```bash # 创建并激活专用环境（推荐实践） conda create -n pt38 python=3.8 conda activate pt38 conda install pytorch torchvision torchaudio cpuonly -c pytorch # CPU版 # 或 cuda 版（需匹配本机 CUDA）： # conda install pytorch torchvision torchaudio pytorch-cuda=12.1 -c pytorch -c nvidia # 验证安装结果（必须在激活状态下） python -c "import torch; print(torch.__version__, torch.cuda.is_available())" ``` > ⚠️ 注意：`pip install torch` 与 `conda install torch` **不可混用**，易引发 ABI 冲突 [ref_6]。官方强烈推荐优先使用 `conda` 安装以保障 CUDA/cuDNN 兼容性 [ref_6]。 --- ### 常见误操作与修复对照表 | 用户行为 | 后果 | 修复命令 | |----------|------|-----------| | `pip install torch` 在 base 环境，但脚本用 `conda activate myenv` 运行 | `myenv` 中无 torch | `conda activate myenv && pip install torch` 或重装 `conda install torch` | | PyCharm 设置了解释器，但未重启 IDE | 缓存仍用旧解释器 | 关闭 PyCharm → 删除 `.idea/` 目录 → 重新打开项目 | | 使用 `python3.9 script.py` 但 torch 安装在 `python3.8` 环境 | `ModuleNotFoundError` | 改为 `python3.8 script.py` 或在 `myenv` 中 `conda install python=3.9` 后重装 torch | | 安装 `torch_geometric` 但未安装其依赖 `torch-scatter`, `torch-sparse` | `ImportError: cannot import name 'scatter'` | 按 [ref_4] 顺序安装：`pip install torch-scatter torch-sparse -f https://data.pyg.org/whl/torch-${TORCH_VERSION}+${CUDA}.html` | --- ### 最终验证代码（放入 `verify_torch.py`） ```python #!/usr/bin/env python import sys print("Python executable:", sys.executable) print("Python version:", sys.version) try: import torch print("✅ torch imported successfully") print("torch version:", torch.__version__) print("CUDA available:", torch.cuda.is_available()) if torch.cuda.is_available(): print("CUDA version:", torch.version.cuda) except ImportError as e: print("❌ Import failed:", e) print("Available packages:") import subprocess subprocess.run([sys.executable, "-m", "pip", "list", "|", "grep", "torch"]) ``` 运行该脚本可一次性诊断解释器路径、版本兼容性及 CUDA 状态 [ref_3][ref_6]。