Estoy ejecutando PyTorch en Python 3.8.5 en una Macbook Pro M1 y recibo estos mensajes de error:
Intel MKL FATAL ERROR: This system does not meet the minimum requirements for use of the Intel(R) Math Kernel Library. The processor must support the Intel(R) Supplemental Streaming SIMD Extensions 3 (Intel(R) SSSE3) instructions. The processor must support the Intel(R) Streaming SIMD Extensions 4.2 (Intel(R) SSE4.2) instructions. The processor must support the Intel(R) Advanced Vector Extensions (Intel(R) AVX) instructions.¿Qué significan y qué puedo hacer para resolverlos?
Como @CJD sugirió instalar PyTorch usando pip aparentemente resuelve el problema, incluso en una Mac con M1 o versiones más nuevas M1 Pro y M1 Max [Probado]. El uso de pip instalará PyTorch sin MKL.
Pasos:
conda (si está instalado): conda remove pytorchpip : pip install torch .Consulte el siguiente enlace para obtener más detalles: https://github.com/pytorch/pytorch/issues/71022
Recibí los mismos mensajes de error para cualquier paquete que intenté importar (es decir, numpy, pandas, etc.). Estoy ejecutando OSX Monterey en un macbook 5.1 de finales de 2008 a través de opencore. La clave para mí fue simplemente instalar nomkl según el comentario anterior de CJD. No importaba si era un entorno nuevo o básico. Realmente no entiendo cuál era el problema o las posibles limitaciones de la solución, pero ahora está funcionando.
Me encontré con este error al intentar instalar un env Intel a través de conda en una Mac M1. Con un entorno nativo ( osx-arm64 ) funcionó, pero necesitaba un entorno Intel ( osx-64 ) por alguna otra razón.
Logré resolver este error degradando mkl a la versión 2021 en lugar de la versión 2022 que se instaló como una dependencia transitiva.
Simplemente agregué esto a mi environment.yml y lo reinstalé:
- mkl < 2022 Tenga en cuenta que si su conda es nativa de M1 (es decir, tiene una plataforma de osx-arm64 ) y desea instalar un entorno Intel, debe hacerlo así:
CONDA_SUBDIR=osx-64 conda env update -f environment.yml El env también contiene pytorch , y este enfoque me permitió instalar todo a través de conda, en lugar de depender de un híbrido de conda/pip como las otras soluciones.