ImportError: cannot import name ‘_update_worker_pids’ from ‘torch._C’

简介: ImportError: cannot import name ‘_update_worker_pids’ from ‘torch._C’

问题描述:

在复现超分辨率算法RNAN(EDSR、RCAN同样的环境)的时候报错,torch要求是0.4.0版本的。

解决方案:

解决方法1(已安装anaconda)

1. 打开命令行(这个自行查找)

2. 新建python的环境 3.6.5(python的版本不能大于3.6)

conda create -n Your_project_name python=3.6.5   # Your_project_name为你的项目名称,自己拟定

3. 进入Your_project_name 项目

conda.bat activate Your_project_name

4. 安装torch(0.4.0版本)

要指定路径安装,不然 version==0.4.0

pip install torch==0.4.0 -f https://download.pytorch.org/whl/torch_stable.html

注:对应上一步骤中torch=0.4.0版本,torchvision得是0.2.0才行,torchvision安装命令如下:

pip install torchvision==0.2.0 -i https://pypi.mirrors.ustc.edu.cn/simple/

解决方法2(未安装anaconda)

1. 如果你的python版本小于3.7,那你就可以不用下载新的python,则你直接进行这一步的操作。(查看自己python的版本可以在命令行输入 python -V)

pip install torch==0.4.0 -f https://download.pytorch.org/whl/torch_stable.html

2. 如果python版本大于3.6,则可以卸载掉或下载新的替换之前版本使用(方法靠个人喜欢),链接参考:https://www.cnblogs.com/sxdcgaq8080/p/10237089.html

然后下载安装新的python3.6.5之后,安装如下包:

pip install torch==0.4.0 -f https://download.pytorch.org/whl/torch_stable.html

参考:解决问题ImportError: cannot import name ‘_update_worker_pids’ from ‘torch._C’_importerror: cannot import name '_update_worker_pi-CSDN博客

目录
相关文章
|
9月前
|
机器学习/深度学习 Java PyTorch
《深度剖析:Java利用ONNX Runtime部署ViT模型的关键路径》
ViT将Transformer引入视觉领域,通过自注意力机制捕捉图像长距离依赖,超越传统CNN局限,在图像分类等任务中表现卓越。PyTorch以其动态图机制和简洁API助力ViT开发,而ONNX Runtime作为跨平台推理引擎,实现从PyTorch到部署的无缝衔接。在Java环境中,借助ONNX Runtime加载ViT模型,优化性能并解决兼容性问题,为智能安防、自动驾驶等领域带来全新可能。这场技术融合之旅充满挑战与机遇,推动计算机视觉迈向新高度。
236 0
成功解决ImportError: cannot import name ‘InvalidSchemeCombination‘ from ‘pip._internal.exceptions‘
成功解决ImportError: cannot import name ‘InvalidSchemeCombination‘ from ‘pip._internal.exceptions‘
|
异构计算 Python
StableDiffusionPipeline
【9月更文挑战第22天】
656 77
|
传感器 机器学习/深度学习 人工智能
智能电网巡检与传感器数据AI自动分析
智能电网设备巡检与传感器数据分析利用AI技术实现自动化分析和预警。通过信息抽取、OCR技术和机器学习,系统可高效处理巡检报告和实时数据,生成精准报告并提供故障预判和早期识别。AI系统24小时监控设备状态,实时发出异常警报,确保设备正常运行,提升运维效率和可靠性。
729 6
|
机器学习/深度学习 PyTorch 算法框架/工具
【从零开始学习深度学习】30. 神经网络中批量归一化层(batch normalization)的作用及其Pytorch实现
【从零开始学习深度学习】30. 神经网络中批量归一化层(batch normalization)的作用及其Pytorch实现
|
自然语言处理 编译器 C语言
C语言编译原理
C语言编译原理涵盖将C源代码转换为可执行机器代码的全过程。主要阶段包括词法分析、语法分析、语义分析、中间代码生成、优化、目标代码生成和代码链接。词法分析将源代码分解为词法单元;语法分析构建抽象语法树;语义分析检查代码合理性;中间代码生成创建与目标机无关的代码形式;优化提升执行效率;目标代码生成转化为汇编或机器码;代码链接整合生成可执行文件。这一流程确保生成高效且正确的程序。
|
JSON 自然语言处理 前端开发
React国际化中英文切换实现
React国际化中英文切换实现
|
存储 JSON 数据格式
解密 parquet 文件,以及如何用 Python 去处理它(一)
解密 parquet 文件,以及如何用 Python 去处理它
2785 1
|
机器学习/深度学习 自然语言处理 PyTorch
多模态条件机制
多模态条件机制
1116 0
|
API 开发工具 vr&ar
从零开始的PICO教程(2)--搭建VR场景并打包至PICO中运行
这篇文章是PICO开发系列教程的第二部分,主要介绍了如何在Unity中搭建简单的VR场景、创建XR Origin对象、配置PICO开发环境、以及将场景打包并运行在PICO设备上的完整流程。

热门文章

最新文章