Poetry项目安装Torch-cpu时意外引入NVIDIA依赖的问题分析

问题背景

在使用Python包管理工具Poetry安装PyTorch的CPU版本时，发现一个异常现象：当指定安装torch==2.7.0+cpu版本时，Poetry会同时安装大量NVIDIA相关的CUDA库依赖，而使用pip安装相同版本则不会出现这个问题。这个问题在PyTorch 2.6.0版本中表现正常，仅在2.7.0版本中出现。

技术细节分析

正常与异常安装对比

在正常情况下，安装PyTorch CPU版本应该只包含核心库及其必要的Python依赖，如：

• filelock
• typing-extensions
• sympy
• networkx
• jinja2
• fsspec

然而在异常情况下，安装过程会额外引入大量CUDA相关的库：

• nvidia-cublas-cu12
• nvidia-cusparse-cu12
• nvidia-cuda-cupti-cu12
• nvidia-cuda-nvrtc-cu12
• nvidia-cudnn-cu12
• 以及其他NVIDIA相关库

问题根源

经过技术分析，这个问题源于PyTorch 2.7.0版本的wheel包元数据配置存在问题。wheel包的METADATA文件中错误地包含了CUDA版本的依赖项，导致包管理器在解析依赖时误认为需要安装这些NVIDIA库。

解决方案验证

验证了两种可行的解决方案：

1. 限制PyTorch版本为2.6.0：torch (>=2.6.0, <2.7.0)
2. 直接使用pip安装：pip install torch==2.7.0+cpu

这两种方式都能正确安装纯CPU版本的PyTorch而不引入NVIDIA依赖。

技术建议

对于使用Poetry管理PyTorch项目的开发者，建议采取以下措施：

1. 版本控制：暂时将PyTorch版本限制在2.6.0系列，等待官方修复
2. 依赖源配置：确保正确配置了PyTorch的CPU专用源
3. 环境验证：安装后检查pip list输出，确认没有意外安装CUDA相关包
4. 元数据检查：可以检查wheel包的METADATA文件，确认依赖项是否正确

问题影响范围

这个问题主要影响：

• 使用Poetry作为包管理工具的项目
• 指定安装PyTorch 2.7.0 CPU版本的环境
• 在无NVIDIA GPU的环境中可能导致不必要的磁盘空间占用
• 可能引起环境配置混淆

总结

这个问题展示了Python包管理中依赖解析的复杂性，特别是当同一个包有不同变体(如CPU/GPU版本)时。开发者在遇到类似问题时，可以通过对比不同包管理工具的行为、检查wheel包元数据、以及限制版本范围等方式来诊断和解决问题。PyTorch团队已经确认并修复了此问题，建议用户关注官方更新。