### 如何卸载特定版本的 PyTorch 要卸载特定版本的 PyTorch，可以通过 `pip` 或者 `conda` 工具完成。以下是具体的操作方式： #### 使用 Pip 卸载 通过 `pip` 可以精确地卸载某个包及其关联文件。对于 PyTorch 的不同组件（如核心库、vision 和 audio），需要分别执行卸载命令。 ```bash pip uninstall torch==<version> # 替换 <version> 为目标版本号 pip uninstall torchvision==<version> pip uninstall torchaudio==<version> ``` 注意：如果目标版本未显式指定，则会默认卸载当前已安装的最新版本[^1]。 #### 使用 Conda 卸载 当使用 Anaconda 或 Miniconda 环境管理工具时，推荐优先采用 `conda` 命令来操作环境中的软件包。 ```bash conda remove pytorch=<version> # 替换 <version> 为目标版本号 conda remove torchvision=<version> conda remove torchaudio=<version> ``` 同样需要注意的是，在某些情况下可能无法直接定位到具体的版本编号。此时可以先查询环境中实际存在的版本信息后再进行卸载[^3]。 #### 验证卸载成功与否 为了确认是否已经完全移除了所需的PyTorch 版本,可运行以下Python脚本来测试: ```python import pkg_resources try: version = pkg_resources.get_distribution('torch').version print(f'Current installed PyTorch version is {version}') except pkg_resources.DistributionNotFound: print("No installation of PyTorch found.") ``` 此脚本将打印出当前系统中存在的PyTorch版本；如果没有找到任何安装记录则表明之前所做的一切都生效了[^2]。 另外值得注意的一点是关于TensorBoard可能出现的问题——即有时候即使按照正常流程完成了相应框架(比如这里提到过的PyTorch)以及其配套可视化工具(TensorFlow自带的那个叫TensorBoard)之后仍然遇到显示异常的情况比如说页面一片空白等等现象发生的话那很可能是由于两者之间存在兼容性矛盾所致因此建议尝试降级至更稳定些的历史发行版次例如上面提及到了 tensorboard==2.0.2 这样来做调整或许能够解决问题[^4]。