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?
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.
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
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.