Python安装Pi0具身智能依赖库全攻略

未知方程无解

277人浏览 · 2026-02-18 00:24:24

未知方程无解 · 2026-02-18 00:24:24 发布

Python安装Pi0具身智能依赖库全攻略

1. 引言

最近具身智能领域真是热闹非凡，国产模型Spirit v1.5在RoboChallenge榜单上超越了Pi0.5，让很多人都想亲自试试这些强大的模型。不过在实际操作中，很多朋友都会卡在环境配置这一步——PyTorch版本不对、CUDA不兼容、各种依赖库冲突...这些问题确实让人头疼。

我这段时间刚好在折腾Pi0相关的环境配置，踩了不少坑也总结了一些经验。今天就把Python环境中安装PyTorch、ONNX等Pi0依赖库的完整流程分享给大家，包含conda虚拟环境管理和离线安装方案，让你少走弯路快速上手。

2. 环境准备与conda虚拟环境

2.1 为什么需要虚拟环境

具身智能项目通常依赖特定版本的库，如果直接在系统Python环境中安装，很容易出现版本冲突。用conda创建独立的虚拟环境是个明智的选择，这样即使搞砸了也能轻松重来。

2.2 conda环境创建

打开终端（Linux/Mac）或Anaconda Prompt（Windows），执行以下命令：

# 创建名为pi0_env的虚拟环境，指定Python 3.9版本
conda create -n pi0_env python=3.9

# 激活环境
conda activate pi0_env

选择Python 3.9是因为它在稳定性和兼容性方面表现很好，大多数深度学习框架都支持这个版本。

3. 核心依赖库安装

3.1 PyTorch安装指南

PyTorch是Pi0的核心依赖，版本选择很重要。根据你的CUDA版本选择合适的安装命令：

# 如果你有CUDA 11.7
pip install torch==1.13.1+cu117 torchvision==0.14.1+cu117 torchaudio==0.13.1 --extra-index-url https://download.pytorch.org/whl/cu117

# 如果你有CUDA 11.8
pip install torch==2.0.1+cu118 torchvision==0.15.2+cu118 torchaudio==2.0.2 --extra-index-url https://download.pytorch.org/whl/cu118

# 如果没有GPU或者CUDA，安装CPU版本
pip install torch==1.13.1+cpu torchvision==0.14.1+cpu torchaudio==0.13.1 --extra-index-url https://download.pytorch.org/whl/cpu

安装完成后验证一下：

import torch
print(f"PyTorch版本: {torch.__version__}")
print(f"CUDA可用: {torch.cuda.is_available()}")
if torch.cuda.is_available():
    print(f"GPU设备: {torch.cuda.get_device_name(0)}")

3.2 ONNX和相关工具

ONNX用于模型转换和优化，也是必备的：

pip install onnx==1.14.0 onnxruntime==1.15.1 onnxruntime-gpu==1.15.1

如果你要用GPU加速，记得安装onnxruntime-gpu而不是onnxruntime。

3.3 其他重要依赖

Pi0还需要一些辅助库，一次性安装完：

pip install numpy==1.24.3 opencv-python==4.8.0.74 pillow==9.5.0 matplotlib==3.7.1
pip install transformers==4.30.2 datasets==2.12.0 accelerate==0.20.3
pip install einops==0.6.1 timm==0.6.13 ftfy==6.1.1 regex==2023.5.5

4. 常见问题解决方案

4.1 CUDA版本不匹配

这是最常见的问题。先检查你的CUDA版本：

nvcc --version  # 或者 nvidia-smi

如果CUDA版本与PyTorch要求不匹配，要么升级/降级CUDA，要么安装对应版本的PyTorch。

4.2 依赖冲突

如果遇到依赖冲突，可以尝试先安装基础版本，再逐步升级：

# 先安装最低要求的版本
pip install numpy==1.21.0
pip install opencv-python-headless==4.5.5.64  # 用headless版本减少依赖

# 然后再安装其他库

4.3 权限问题

在Linux系统上，如果遇到权限错误，可以添加--user参数：

pip install --user package_name

或者使用虚拟环境，这是更推荐的做法。

5. 离线安装方案

有时候需要在没有网络的环境下安装，这时候就需要离线方案。

5.1 准备离线安装包

在有网络的机器上先下载所有依赖：

# 创建存放包的目录
mkdir pip_packages
cd pip_packages

# 下载所有需要的包
pip download torch==1.13.1+cu117 torchvision==0.14.1+cu117
pip download onnx==1.14.0 onnxruntime-gpu==1.15.1
pip download numpy==1.24.3 opencv-python==4.8.0.74
# ... 下载所有其他需要的包

5.2 离线安装

将pip_packages文件夹拷贝到离线机器上，然后安装：

pip install --no-index --find-links=./pip_packages torch
pip install --no-index --find-links=./pip_packages torchvision
# ... 安装所有其他包

或者一次性安装所有包：

pip install --no-index --find-links=./pip_packages -r requirements.txt

6. 验证安装结果

所有库都安装完成后，写个简单的验证脚本：

import torch
import onnx
import numpy as np
import cv2

print("=== 环境验证 ===")
print(f"PyTorch版本: {torch.__version__}")
print(f"ONNX版本: {onnx.__version__}")
print(f"NumPy版本: {np.__version__}")
print(f"OpenCV版本: {cv2.__version__}")

# 检查CUDA
if torch.cuda.is_available():
    print("✓ CUDA可用")
    print(f"GPU设备: {torch.cuda.get_device_name(0)}")
else:
    print("✗ CUDA不可用")

# 简单计算验证PyTorch正常工作
x = torch.rand(3, 3)
y = x @ x.t()
print(f"PyTorch矩阵计算验证: {y.shape}")

print("=== 环境验证完成 ===")

如果所有输出都没有报错，恭喜你，环境配置成功了！