Conda 安装或更新 PyTorch 时 JSONDecodeError 修复
结论
这个报错更可能是 conda 包缓存损坏,PyTorch 依赖冲突的可能性较低。堆栈最后落在 conda\gateways\disk\read.py 的 read_paths_json(),接着 json.load() 抛出 JSONDecodeError: Expecting value: line 1 column 1 (char 0)。这说明 conda 在 Preparing transaction 阶段读取某个缓存包里的 paths.json 时,文件是空的,或者内容不是合法 JSON。char 0 一般就是空文件或无效内容。先把 package cache 清掉再重试,通常比直接跑 conda update --all 有效。
怎么确认
关键报错行:
Preparing transaction: failed
...
read_paths_json(epd)
...
json.decoder.JSONDecodeError: Expecting value: line 1 column 1 (char 0)
这个错误发生在事务准备阶段,不是 solver 解依赖阶段。安装 PyTorch、用 YAML 建环境、conda update --all 都会触发,说明共同路径是 conda 读取包缓存,和具体 PyTorch 版本关系不大。
修复步骤
- 先关掉 Anaconda Prompt 之外的 Python、Jupyter、VS Code、Anaconda Navigator,避免缓存文件被占用。临时关闭杀毒软件对
anaconda3\pkgs的实时扫描,或者把该目录加入信任区。 - 清理 conda 缓存:
conda clean --all -y
如果这条也报错,先用无插件模式排除插件影响:
conda --no-plugins clean --all -y
还不行时,强制清理可写 package cache:
conda clean --all --force-pkgs-dirs -y
这一步会删掉包缓存,后续安装会重新下载包,属于正常现象。 3. 如果缓存目录仍有残留,可手动改名备份。下面三条按实际路径逐条执行,不存在的目录跳过:
ren "%USERPROFILE%\AppData\Local\anaconda3\pkgs" "pkgs.bak"
ren "%USERPROFILE%\.conda\pkgs" "pkgs.bak"
ren "%USERPROFILE%\AppData\Local\conda\conda\pkgs" "pkgs.bak"
不要直接删整个 anaconda3。改名后 conda 会重建缓存。 4. 重新更新 conda:
conda update -n base conda -y
然后为 PyTorch 单独建环境,不建议长期装在 base:
conda create -n pytorch_env python=3.11 -y
conda activate pytorch_env
conda install pytorch torchvision torchaudio -c pytorch
如果要装 CUDA 版,按 PyTorch 官网的安装选择器选对应命令,不要把驱动里的 CUDA 版本直接当成 PyTorch 运行时版本,也不要随意混用 pytorch-cuda 与 cudatoolkit。
5. 如果仍然报同样错误,定位具体损坏的 paths.json。在 PowerShell 里扫描主缓存:
Get-ChildItem "$env:USERPROFILE\AppData\Local\anaconda3\pkgs" -Recurse -Filter paths.json | ForEach-Object {
try { Get-Content $_.FullName -Raw | ConvertFrom-Json | Out-Null }
catch { $_.FullName }
}
输出中列出的文件就是无法解析的 paths.json。把该文件所在包的父目录改名或删除,再执行 conda clean --all -y 后重试。找不到对应包时,也可以看 conda install pytorch -c pytorch --debug 的日志,搜索 paths.json 附近的路径。
6. 如果怀疑插件导致异常,可用:
conda --no-plugins install pytorch
或在当前命令行临时设置:
set CONDA_NO_PLUGINS=true
conda install pytorch
从你的堆栈看,问题落在 core 的磁盘读取逻辑上,插件通常不是首要原因。
注意事项
conda update --all不适合作为排障第一步,尤其 base 环境里包很多时,容易把缓存问题放大。先修 conda 自身,再装目标包。- 安装 PyTorch 时优先使用独立环境;用 YAML 建环境前,也先确认缓存正常。
- 如果清理缓存后问题仍然反复出现,检查是否每次都卡在同一个包上。固定到同一个包时,优先怀疑该包缓存解压不完整,先别急着归因到 CUDA 或 PyTorch 依赖冲突。
- 极端情况下再考虑备份
conda env export后重装 Miniconda/Anaconda;不要在没导出环境列表前直接清空整个安装目录。
备注:内容仅供参考。
