Stable Diffusion WebUI 安装过程中Torch哈希校验失败问题解析
2025-04-28 03:18:17作者:瞿蔚英Wynne
问题现象
在使用Stable Diffusion WebUI进行全新安装时,用户遇到了Torch包哈希校验失败的问题。具体表现为安装过程中系统提示Torch包的SHA256哈希值与预期值不匹配,导致安装过程中断。
错误详情
安装日志显示,系统期望的Torch 2.0.1版本哈希值为f58d75619bc96e4322343c030b893613701caa2d6db8017155da226c14171335,但实际下载得到的包哈希值为66a9b220f33769a358e028203615ce932836b9a40be9f47eef2199842abbeecd。这种哈希不匹配的情况触发了pip的安全机制,导致安装过程中断。
问题原因分析
- 包源不一致:可能由于PyTorch官方更新了包内容但未及时更新哈希值
- 网络缓存问题:CDN节点可能缓存了旧版本的包
- 下载中断:不完整的下载可能导致哈希校验失败
- 安全警告:pip的哈希校验机制设计用于防止中间人攻击和包篡改
解决方案
方法一:使用Anaconda安装
- 安装Anaconda环境管理工具
- 打开Anaconda Prompt命令行工具
- 执行以下命令安装指定版本的Torch:
python -m pip install torch==2.0.1+cu118 torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118 - 等待安装完成后重新运行WebUI启动脚本
方法二:禁用哈希校验(不推荐)
在了解潜在安全风险的前提下,可以临时禁用pip的哈希校验:
python -m pip install --no-deps torch==2.0.1 torchvision==0.15.2 --extra-index-url https://download.pytorch.org/whl/cu118
方法三:清理缓存后重试
- 清理pip缓存:
python -m pip cache purge - 删除venv虚拟环境目录
- 重新运行WebUI安装脚本
预防措施
- 使用稳定网络环境:确保下载过程中网络连接稳定
- 验证下载源:确认使用的是PyTorch官方源
- 定期更新:关注项目更新,及时获取最新安装指南
- 环境隔离:使用虚拟环境避免与其他Python项目冲突
技术背景
PyTorch作为Stable Diffusion的核心依赖,其正确安装至关重要。哈希校验是Python包管理的重要安全特性,用于确保下载的包与开发者发布的完全一致。当出现哈希不匹配时,系统会中断安装以防止潜在的安全风险。
对于深度学习项目,建议用户理解各组件间的依赖关系,并在遇到安装问题时优先考虑环境隔离和官方源下载,以确保系统稳定性和安全性。
登录后查看全文
热门项目推荐
相关项目推荐
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
unified-cache-managementUnified Cache Manager(推理记忆数据管理器),是一款以KV Cache为中心的推理加速套件,其融合了多类型缓存加速算法工具,分级管理并持久化推理过程中产生的KV Cache记忆数据,扩大推理上下文窗口,以实现高吞吐、低时延的推理体验,降低每Token推理成本。Python03
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
Spark-Prover-X1-7BSpark-Prover 是由科大讯飞团队开发的专用大型语言模型,专为 Lean4 中的自动定理证明而设计。该模型采用创新的三阶段训练策略,显著增强了形式化推理能力,在同等规模的开源模型中实现了最先进的性能。Python00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00
项目优选
收起
deepin linux kernel
C
24
7
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
309
2.71 K
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
362
2.96 K
暂无简介
Dart
600
135
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.07 K
616
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
638
241
🍒 Cherry Studio 是一款支持多个 LLM 提供商的桌面客户端
TypeScript
774
74
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
仓颉编程语言命令行工具,包括仓颉包管理工具、仓颉格式化工具、仓颉多语言桥接工具及仓颉语言服务。
C++
56
826
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.03 K
466