JETSON中我已经安装了torch，ModuleNotFoundError: No module named 'torch'

### JETSON 设备上安装 PyTorch 后 `ModuleNotFoundError` 错误解决方案

当遇到 `ModuleNotFoundError: No module named 'torch'` 的错误时，这通常意味着 Python 解释器无法找到已安装的 PyTorch 库。对于 JETSON 设备而言，有几个常见原因可能导致此问题。

#### 虚拟环境管理不当
如果使用的是虚拟环境，则需确认是否激活了正确的环境[^2]。未激活或激活了不包含所需包的其他环境都会引发此类错误。可以尝试通过命令行来验证当前所处的环境：

which python
pip list | grep torch

上述命令有助于判断解释器路径及其可用软件包列表中是否存在 PyTorch。

#### 版本兼容性问题
不同硬件平台对特定版本的 PyTorch 支持程度有所差异[JETSON 官方文档建议](https://docs.nvidia.com/deeplearning/frameworks/pytorch-release-notes/index.html)，应遵循官方推荐版本进行安装以确保最佳性能与稳定性。可通过如下方式获取适合 Jetson 平台预编译二进制文件并完成安装:

sudo apt-get update && sudo apt-get upgrade -y
wget https://developer.download.nvidia.com/compute/cuda/repos/ubuntu1804/x86_64/libnvinfer7_7.2.3-1+cuda11.0_amd64.deb
sudo dpkg -i libnvinfer7_7.2.3-1+cuda11.0_amd64.deb
# 更多依赖项...
pip install --extra-index-url https://pypi.ngc.nvidia.com nvidia-pyindex
pip install torch torchvision torchaudio --extra-index-url https://download.pytorch.org/whl/lts/1.9/cu111/

注意替换 URL 和版本号至最新发布版。

#### CUDA 配置缺失
即使成功安装了 PyTorch，若未能正确设置 CUDA 环境变量也可能导致加载失败。可以通过以下方法检查 CUDA 是否正常工作以及其可见性给 PyTorch 使用：

import torch
print(torch.cuda.is_available())
print(torch.version.cuda)

以上代码片段用于检测 GPU 加速功能是否开启及使用的 CUDA 编译版本。理想情况下两者均返回 True 或有效字符串表示形式而非 False 或 None。

#### PATH 设置异常
有时由于系统 PATH 变量配置失误造成动态链接库找不到的情况也会间接影响到 PyTorch 的正常使用。此时可考虑调整 .bashrc 文件中的 LD_LIBRARY_PATH 参数指向正确的 NVIDIA 工具链位置。

最后提醒一点，在执行任何更改前最好先备份现有配置；另外考虑到 Jetson Nano/TX/Xavier NX 等系列间存在架构区别，请务必参照具体型号对应的开发指南操作以免引起不必要的麻烦。