通过升级 Python 依赖解决 Conda 项目无法使用 NVIDIA 50 系显卡的问题

2025-11-14 约 700 字预计阅读 2 分钟

问题背景

Conda、Docker 等技术的确非常强大，它们可以实现“一次开发，到处部署”，在操作系统层面保证兼容性。然而，当遇到 硬件不兼容 时，这类工具就无能为力，需要手动干预。

例如，我想运行别人提供的深度学习项目，并使用 Conda 管理环境。原项目的 env.yaml 中指定了：

1
2
dependencies:
  pytorch=1.10.2=py3.7_cuda11.3_cudnn8.2.0_0

然而我的显卡是 RTX 5070 Ti（50 系列），直接conda create -f 后运行项目会报错：

1
2
3
NVIDIA GeForce RTX 5070 Ti with CUDA capability sm_120 is not compatible with the current PyTorch installation.
The current PyTorch install supports CUDA capabilities sm_37 sm_50 sm_60 sm_61 sm_70 sm_75 sm_80 sm_86 compute_37.
If you want to use the NVIDIA GeForce RTX 5070 Ti GPU with PyTorch, please check the instructions at https://pytorch.org/get-started/locally/

这种情况下，只有两个选择：要么换机器，要么重新构建依赖环境。

更麻烦的是，支持 50 系显卡的 PyTorch 版本至少要求 Python 3.10，也就是说小改 env.yaml 根本无法解决问题（其他库版本过老又没法支持 Python 3.10了），只能做较大幅度的调整。

全升级方案

可以先试一试不管库的版本，直接升级到 Python3.10.

依然先构建环境

`1`	`conda create -f env.yaml`

然后导出pip依赖

`1`	`pip freeze > requirements.txt`

清理所有固定版本和本地/远程来源，只保留包名，使用python脚本

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
#!/usr/bin/env python3
import re

input_file = "requirements.txt"
output_file = "requirements.txt"

cleaned = []

with open(input_file, "r", encoding="utf-8") as f:
    for line in f:
        line = line.strip()
        if not line or line.startswith("#"):
            continue

        # 去掉 @ 后面的内容
        pkg = re.split(r"\s*@\s*", line)[0]

        # 去掉 ==、>=、<=、~=、>、< 等版本信息
        pkg = re.split(r"[><=~!]+", pkg)[0]

        pkg = pkg.strip()
        if pkg:
            cleaned.append(pkg)

with open(output_file, "w", encoding="utf-8") as f:
    f.write("\n".join(cleaned))

print(f"✔ 清理完成！已生成: {output_file}")

然后另建虚拟环境pip install -r requirements.txt即可。

注意某些gpu版本的库应该从requirements.txt中删去，然后根据官网教程自行安装，可参考

/posts/environment/dl-build/ /posts/environment/dl-build/

这个方法简单粗暴，然而如果项目中有些库的用法过时了，这个方法后续也很麻烦，要么手动降低报错库的版本，要么改代码。