1. 今天在Traceback (most recent call last):
File "<string>", line 1, in <module>
File "/root/anaconda3/envs/mask2former/lib/python3.10/site-packages/torch/init.py", line 235, in <module>
from torch._C import * # noqa: F403
ImportError: /root/anaconda3/envs/mask2former/lib/python3.10/site-packages/torch/lib/libtorch_cpu.so: undefined symbol: iJIT_NotifyEvent

• 官方的 2.1.0 + CUDA 11.8 是稳定构建，不会触发 iJIT_NotifyEvent；
• 反而 2.1.2 在部分平台（特别是 Linux/WSL）会引入 oneAPI runtime 依赖。

2. 但是降级后还是报错

你明明用的是 conda install -c pytorch -c nvidia，但是安装结果却还是生成了 .egg-info 文件，而不是 conda 的 .dist-info 目录。

👉 这说明 conda 环境里优先调用了 pip wheel，不是官方的 conda 包。
所以你安装的仍然是 pip 版（Intel oneAPI 依赖），不是你需要的 CUDA build

conda remove -y pytorch torchvision torchaudio pytorch-cuda
pip uninstall -y torch torchvision torchaudio functorch torchgen

rm -rf $CONDA_PREFIX/lib/python3.10/site-packages/torch*
rm -rf $CONDA_PREFIX/lib/python3.10/site-packages/torchaudio*
rm -rf $CONDA_PREFIX/lib/python3.10/site-packages/torchvision*
rm -rf $CONDA_PREFIX/lib/python3.10/site-packages/functorch*
rm -rf $CONDA_PREFIX/lib/python3.10/site-packages/torchgen*

# 关键：强制 conda 使用 strict 模式
conda config set channel_priority strict

# 再重新安装
conda install -y pytorch=2.1.0 torchvision torchaudio pytorch-cuda=11.8 -c pytorch -c nvidia

3. numpy降级后，又报错

😮 现在又回到了 iJIT_NotifyEvent 的老问题，说明什么？

👉 你在降级 NumPy 的时候，Conda 顺便 升级了 MKL / Intel OpenMP（intel-openmp 和 mkl 都被更新到 2025 版本）。
这些新 Intel 库又把 PyTorch 拉回去依赖 OneAPI runtime，所以重新触发了 iJIT_NotifyEvent 错误。

---

🔍 问题关键

• PyTorch 官方 CUDA build 并不需要 iJIT_NotifyEvent；
• 但当 conda 安装了新版 mkl / intel-openmp 时，PyTorch 会优先链接这些库 → 导致报错。

最后成功方式：

# 降级 numpy，但避免 mkl
conda install -y "numpy<2" nomkl

你现在遇到的各种 "mkl" / "intel-openmp" / "openblas"，其实都是 数值计算库（数学加速库）。PyTorch、NumPy、SciPy 这些科学计算框架，很多底层矩阵运算都依赖它们。

我来给你分清楚：

---

🔢 三大主要数学库

1. Intel MKL (Math Kernel Library)

• 由 Intel 开发，专门优化了 Intel CPU 的矩阵、向量运算。
• 优点：在 Intel CPU 上速度通常最快。
• 缺点：
  • 依赖 Intel OneAPI runtime（比如 libiomp5.so，iJIT_NotifyEvent 就是这里来的）。
  • 在非 Intel CPU 或者 WSL 环境下，可能会冲突、报错。

---

2. OpenBLAS

• 一个开源的 BLAS/LAPACK 实现。
• 优点：
  • 不依赖 Intel 的库 → 兼容性更好。
  • 在 AMD CPU、ARM CPU、WSL 里通常比 MKL 更稳定。
• 缺点：在 Intel CPU 上，性能可能比 MKL 稍弱一些。

---

3. Intel OpenMP (intel-openmp)

• OpenMP 是并行计算框架，Intel 提供了自己的实现。
• MKL 默认用 Intel OpenMP 作为并行后端。
• 问题：
  • 如果 PyTorch/NumPy 链接到了 Intel OpenMP，就会需要 OneAPI runtime。
  • 这就是你看到的 undefined symbol: iJIT_NotifyEvent 错误。

---

🔍 为什么你遇到问题？

• 你的 PyTorch CUDA 版本本来是 不需要 Intel 库 的。
• 但 conda 在解决依赖的时候，给 NumPy 安装了 MKL 版本（带上了 mkl 和 intel-openmp）。
• PyTorch 在运行时就优先链接这些库 → 然后报 iJIT_NotifyEvent 错误。

---

✅ 解决思路

• 如果你只想跑 GPU（CUDA），完全没必要用 MKL。
• 最稳定的方案是：用 OpenBLAS + nomkl，这样就绕开 Intel 库。
• Conda 里有一个特别的虚拟包叫 nomkl，它的作用就是告诉 conda：别装 MKL，用 OpenBLAS。