Traceback (most recent call last): File "test.py", line 8, in <module> import torchvision.transforms as transforms File "/usr/local/lib/python3.8/site-packages/torchvision/__init__.py", line 6, in <module> from torchvision import datasets, io, models, ops, transforms, utils File "/usr/local/lib/python3.8/site-packages/torchvision/datasets/__init__.py", line 1, in <module> from ._optical_flow import FlyingChairs, FlyingThings3D, HD1K, KittiFlow, Sintel File "/usr/local/lib/python3.8/site-packages/torchvision/datasets/_optical_flow.py", line 13, in <module> from .utils import _read_pfm, verify_str_arg File "/usr/local/lib/python3.8/site-packages/torchvision/datasets/utils.py", line 1, in <module> import bz2 File "/usr/local/lib/python3.8/bz2.py", line 19, in <module> from _bz2 import BZ2Compressor, BZ2Decompressor ModuleNotFoundError: No module named '_bz2'

### 解决方案分析 当在Anaconda环境中尝试导入`torchvision`时遇到错误，通常可能是由于以下几个原因引起的： 1. **依赖库不兼容**：某些情况下，`torchvision`可能依赖于特定版本的其他库（如Pillow）。如果这些库的版本不符合要求，则可能导致导入失败[^4]。 2. **安装源不稳定或镜像问题**：使用默认的PyTorch官方源或其他第三方镜像可能会导致安装过程中出现问题。建议切换到更稳定的国内镜像站点进行安装[^1]。 3. **Python版本冲突**：部分较新的Python版本（如Python 3.9及以上）可能存在与现有`torchvision`版本的兼容性问题[^3]。 以下是针对该问题的具体解决方案以及相关代码示例。 --- #### 方法一：修复`functional.py`文件 如果问题是由于`torchvision`内部使用的`PILLOW_VERSION`变量被移除而导致的，可以通过手动修改`functional.py`来解决问题。具体操作如下： 1. 找到`torchvision`安装路径下的`transforms/functional.py`文件。 2. 修改以下代码片段： ```python from PIL import Image, ImageOps, ImageEnhance, __version__ # 替换原有的PILLOW_VERSION定义 if 'PILLOW_VERSION' in dir(Image): PILLOW_VERSION = tuple(int(x) for x in Image.PILLOW_VERSION.split('.')) else: PILLOW_VERSION = tuple(int(x) for x in __version__.split('.')) ``` 通过上述更改，可以适配新版Pillow库并解决因变量名变更引发的错误。 --- #### 方法二：重新安装`torchvision` 为了确保所有依赖项都正确匹配，推荐卸载现有的`torchvision`后再重新安装。命令如下： ```bash # 卸载旧版torchvision pip uninstall torchvision # 使用清华镜像源重新安装指定版本 pip install torchvision==0.9 -f https://download.pytorch.org/whl/torch_stable.html \ -i https://pypi.tuna.tsinghua.edu.cn/simple ``` 此方法能够有效避免因不同版本间的依赖关系混乱而产生的问题[^2]。 --- #### 方法三：创建独立的Conda环境 为了避免全局环境下可能出现的各种冲突，强烈建议为项目单独创建一个新的虚拟环境。步骤如下： 1. 配置清华大学开源软件镜像站作为加速通道： ```bash conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/ ``` 2. 创建新环境并激活它： ```bash conda create -n pytorch_env python=3.8 conda activate pytorch_env ``` 3. 安装所需的PyTorch及其配套组件： ```bash conda install pytorch torchvision torchaudio cpuonly ``` 这种方法不仅提高了稳定性，还便于管理各个项目的专属依赖集合[^1]。 --- ### 注意事项 - 如果仍然无法正常运行，请确认当前操作系统架构是否支持所选的PyTorch版本。 - 对于Windows用户而言，在执行任何涉及CUDA驱动程序的操作之前，务必先验证本地显卡驱动已更新至最新状态。 ---

### WSL环境下PyTorch安装与ModuleNotFoundError解决方法 在WSL（Windows Subsystem for Linux）环境下运行Python代码时，如果出现`ModuleNotFoundError: No module named 'torch'`的问题，可能的原因包括未正确安装PyTorch或安装的环境与当前使用的Python解释器不匹配。以下是详细的解决方案： #### 1. 确认Python环境 在WSL中可能存在多个Python版本或虚拟环境，确保当前使用的Python环境是正确的。可以通过以下命令确认： ```bash which python3 ``` 该命令会返回当前Python解释器的路径。如果路径指向`/usr/bin/python3`或其他系统默认路径，则说明使用的是系统级Python环境；如果指向类似`/home/user/.conda/envs/myenv/bin/python3`的路径，则说明使用的是某个虚拟环境。 #### 2. 检查是否已安装PyTorch 在确认Python环境后，检查当前环境中是否已安装PyTorch： ```bash pip list | grep torch ``` 如果没有找到`torch`相关的条目，则说明尚未安装PyTorch。 #### 3. 安装PyTorch 根据官方文档[^1]，推荐通过以下步骤安装PyTorch： - 打开[PyTorch官网](https://pytorch.org/get-started/locally/)。 - 根据WSL的配置选择适合的安装命令（例如CUDA版本）。对于大多数WSL用户，建议选择CPU版本，因为WSL对GPU的支持有限。 - 将生成的命令复制到WSL终端中执行。例如： ```bash pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cpu ``` #### 4. 验证安装 安装完成后，验证PyTorch是否可以正常导入： ```python import torch print(torch.__version__) ``` 如果能够成功打印出PyTorch版本号，则说明安装成功。 #### 5. 常见问题及解决办法 - **问题：在虚拟环境中安装PyTorch但仍然报错** 如果在虚拟环境中安装了PyTorch，但在运行代码时仍然报错，可能是由于未激活虚拟环境或安装路径错误。确保在激活虚拟环境后重新安装PyTorch： ```bash source /path/to/venv/bin/activate pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cpu ``` - **问题：使用Conda环境安装PyTorch** 如果使用Conda环境，推荐通过Conda安装PyTorch以避免依赖冲突： ```bash conda install pytorch torchvision torchaudio cpuonly -c pytorch ``` #### 6. 清理旧版本（可选） 如果之前尝试过安装PyTorch但未成功，可能需要清理旧版本以避免冲突： ```bash pip uninstall torch torchvision torchaudio ``` --- ### 注意事项 - 在WSL中安装PyTorch时，推荐使用清华源等国内镜像加速下载速度[^3]。 - 如果需要使用GPU版本的PyTorch，请确保WSL2已启用并正确配置NVIDIA驱动程序[^2]。 ---