Windows 常见问题#

创建于：2018年4月23日 | 最后更新于：2025年5月20日

从源代码构建#

包含可选组件#

Windows PyTorch 支持两个组件：MKL 和 MAGMA。以下是使用它们进行构建的步骤。

REM Make sure you have 7z and curl installed.

REM Download MKL files
curl https://s3.amazonaws.com/ossci-windows/mkl_2020.2.254.7z -k -O
7z x -aoa mkl_2020.2.254.7z -omkl

REM Download MAGMA files
REM version available:
REM 2.5.4 (CUDA 10.1 10.2 11.0 11.1) x (Debug Release)
REM 2.5.3 (CUDA 10.1 10.2 11.0) x (Debug Release)
REM 2.5.2 (CUDA 9.2 10.0 10.1 10.2) x (Debug Release)
REM 2.5.1 (CUDA 9.2 10.0 10.1 10.2) x (Debug Release)
set "CUDA_PREFIX=cuda102"
set "CONFIG=release"
set "HOST=https://s3.amazonaws.com/ossci-windows"
curl -k "%HOST%/magma_2.5.4_%CUDA_PREFIX%_%CONFIG%.7z" -o magma.7z
7z x -aoa magma.7z -omagma

REM Setting essential environment variables
set "CMAKE_INCLUDE_PATH=%cd%\mkl\include"
set "LIB=%cd%\mkl\lib;%LIB%"
set "MAGMA_HOME=%cd%\magma"

加快 Windows CUDA 构建速度#

Visual Studio 目前不支持并行自定义任务。作为替代，我们可以使用 Ninja 来并行化 CUDA 构建任务。只需键入几行代码即可使用它。

REM Let's install ninja first.
pip install ninja

REM Set it as the cmake generator
set CMAKE_GENERATOR=Ninja

一键安装脚本#

您可以查看这组脚本。它将为您指明方向。

扩展#

CFFI 扩展#

CFFI 扩展的支持非常具有实验性。您必须在 Extension 对象中指定额外的 libraries 才能使其在 Windows 上构建。

ffi = create_extension(
    '_ext.my_lib',
    headers=headers,
    sources=sources,
    define_macros=defines,
    relative_to=__file__,
    with_cuda=with_cuda,
    extra_compile_args=["-std=c99"],
    libraries=['ATen', '_C'] # Append cuda libraries when necessary, like cudart
)

Cpp 扩展#

与前一种扩展相比，这种扩展支持更好。但是，它仍然需要一些手动配置。首先，您应该打开 适用于 VS 2017 的 x86_x64 交叉工具命令提示符。然后，您可以开始编译过程。

安装#

win-32 渠道中未找到软件包。#

Solving environment: failed

PackagesNotFoundError: The following packages are not available from current channels:

- pytorch

Current channels:
- https://repo.continuum.io/pkgs/main/win-32
- https://repo.continuum.io/pkgs/main/noarch
- https://repo.continuum.io/pkgs/free/win-32
- https://repo.continuum.io/pkgs/free/noarch
- https://repo.continuum.io/pkgs/r/win-32
- https://repo.continuum.io/pkgs/r/noarch
- https://repo.continuum.io/pkgs/pro/win-32
- https://repo.continuum.io/pkgs/pro/noarch
- https://repo.continuum.io/pkgs/msys2/win-32
- https://repo.continuum.io/pkgs/msys2/noarch

PyTorch 不支持 32 位系统。请使用 64 位版本的 Windows 和 Python。

导入错误#

from torch._C import *

ImportError: DLL load failed: The specified module could not be found.

问题是由缺少必要文件引起的。对于 wheel 包，由于我们没有打包一些库和 VS2017 可再发行文件，请确保手动安装它们。VS 2017 可再发行安装程序可以下载。您还应该注意 Numpy 的安装。确保它使用 MKL 而不是 OpenBLAS。您可以输入以下命令。

pip install numpy mkl intel-openmp mkl_fft

用法（多进程）#

没有 if 子句保护的多进程错误#

RuntimeError:
       An attempt has been made to start a new process before the
       current process has finished its bootstrapping phase.

   This probably means that you are not using fork to start your
   child processes and you have forgotten to use the proper idiom
   in the main module:

       if __name__ == '__main__':
           freeze_support()
           ...

   The "freeze_support()" line can be omitted if the program
   is not going to be frozen to produce an executable.

Windows 上 multiprocessing 的实现不同，它使用 spawn 而不是 fork。因此，我们必须用 if 子句包装代码以防止代码多次执行。将您的代码重构为以下结构。

import torch

def main()
    for i, data in enumerate(dataloader):
        # do something here

if __name__ == '__main__':
    main()

多进程错误“管道破裂”#

ForkingPickler(file, protocol).dump(obj)

BrokenPipeError: [Errno 32] Broken pipe

当子进程在父进程完成发送数据之前结束时，会发生此问题。您的代码可能存在问题。您可以将 DataLoader 的 num_worker 减少到零，看看问题是否仍然存在，以此来调试您的代码。

多进程错误“驱动程序关闭”#

Couldn’t open shared file mapping: <torch_14808_1591070686>, error code: <1455> at torch\lib\TH\THAllocator.c:154

[windows] driver shut down

请更新您的显卡驱动程序。如果问题仍然存在，这可能是您的显卡太旧或计算量对您的显卡来说太大。请根据此帖子更新 TDR 设置。

CUDA IPC 操作#

THCudaCheck FAIL file=torch\csrc\generic\StorageSharing.cpp line=252 error=63 : OS call failed or operation not supported on this OS

Windows 上不支持它们。诸如在 CUDA 张量上进行多进程操作之类的操作无法成功，有两种替代方法：

1. 不要使用 multiprocessing。将 DataLoader 的 num_worker 设置为零。

2. 改为共享 CPU 张量。确保您的自定义 DataSet 返回 CPU 张量。