【debug日记】/nvidia/cusparse/lib/libcusparse.so.12: undefined symbol: __nvJitLinkComplete_12_4, version

通过以上步骤，我们成功解决了 PyTorch 中的 libnvJitLink.so.12 报错问题。问题的根本原因在于 CUDA 库路径未正确配置，导致 PyTorch 无法加载所需的动态链接库。通过将库路径添加到 LD_LIBRARY_PATH，并验证路径是否生效，我们可以确保程序能够正确运行。希望这篇文章能够帮助遇到类似问题的开发者快速定位并解决问题。如果你有其他疑问或建议，欢迎在评论区留言。

verse_armour

2234人浏览 · 2025-02-22 22:06:56

verse_armour · 2025-02-22 22:06:56 发布

解决 PyTorch 中的 libnvJitLink.so.12 报错问题

在使用 PyTorch 进行深度学习开发时，我们可能会遇到一些与 CUDA 库相关的报错。最近，我在运行一个 PyTorch 项目时，遇到了一个与 libnvJitLink.so.12 相关的错误。经过一系列排查和解决，我成功解决了这个问题。以下是详细的报错信息、原因分析和解决办法，希望对遇到类似问题的开发者有所帮助。

1. 报错信息

在运行 PyTorch 脚本时，我遇到了以下错误：
ImportError: /home/grad_user/.conda/envs/py310/lib/python3.10/site-packages/torch/lib/…/…/nvidia/cusparse/lib/libcusparse.so.12: undefined symbol: __nvJitLinkComplete_12_4, version libnvJitLink.so.12
此外，在某些情况下，还可能出现以下警告：
UserWarning: Failed to load image Python extension: ‘/home/grad_user/.conda/envs/py310/lib/python3.10/site-packages/torchvision/image.so: undefined symbol: _ZN3c1017RegisterOperatorsD1Ev’
这些错误表明 PyTorch 在加载 CUDA 库时遇到了问题，具体是找不到 libnvJitLink.so.12 文件或其符号链接。

2. 报错原因

经过分析，问题的根本原因可能包括以下几点：

2.1 CUDA 库路径未正确配置

PyTorch 在运行时需要加载特定版本的 CUDA 库（如 libnvJitLink.so.12）。如果这些库的路径未正确配置到 LD_LIBRARY_PATH 环境变量中，程序将无法找到所需的库文件，从而导致报错。

2.2 CUDA 版本与 PyTorch 不兼容

PyTorch 的某些版本可能依赖特定版本的 CUDA。如果系统中安装的 CUDA 版本与 PyTorch 的要求不一致，可能会导致类似的兼容性问题。

2.3 环境变量配置错误

在某些情况下，PyCharm 等开发工具可能会自动配置环境变量，使得在 IDE 中运行脚本时没有问题，但在命令行中运行时会报错。

3. 解决办法

以下是解决这个问题的具体步骤：

3.1 检查 CUDA 库路径

首先，确认 libnvJitLink.so.12 文件的实际路径。在你的环境中，可以通过以下命令查找：

ls /home/grad_user/.conda/envs/py310/lib/python3.10/site-packages/nvidia/nvjitlink/lib/

如果输出中包含 libnvJitLink.so.12，说明文件存在，但路径可能未正确配置。

3.2 配置 LD_LIBRARY_PATH

将 libnvJitLink.so.12 的路径添加到 LD_LIBRARY_PATH 环境变量中。运行以下命令：

export LD_LIBRARY_PATH=/home/grad_user/.conda/envs/py310/lib/python3.10/site-packages/nvidia/nvjitlink/lib:$LD_LIBRARY_PATH

这一步确保了动态链接器能够在运行时找到所需的库文件。

3.3 验证路径是否生效

运行以下命令验证路径是否被正确添加：
bash
复制
echo $LD_LIBRARY_PATH
确保输出中包含 /home/grad_user/.conda/envs/py310/lib/python3.10/site-packages/nvidia/nvjitlink/lib。

3.4 测试 PyTorch

运行一个简单的 PyTorch 脚本，验证问题是否解决：

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

如果输出为 True 且没有报错，说明问题已经解决。

3.5 永久生效

如果需要让这个配置永久生效，可以将以下命令添加到 ~/.bashrc 或 ~/.bash_profile 文件中：

export LD_LIBRARY_PATH=/home/grad_user/.conda/envs/py310/lib/python3.10/site-packages/nvidia/nvjitlink/lib:$LD_LIBRARY_PATH

然后运行以下命令使其生效：

source ~/.bashrc

4. 总结

通过以上步骤，我们成功解决了 PyTorch 中的 libnvJitLink.so.12 报错问题。问题的根本原因在于 CUDA 库路径未正确配置，导致 PyTorch 无法加载所需的动态链接库。通过将库路径添加到 LD_LIBRARY_PATH，并验证路径是否生效，我们可以确保程序能够正确运行。
希望这篇文章能够帮助遇到类似问题的开发者快速定位并解决问题。如果你有其他疑问或建议，欢迎在评论区留言。

参考资料：https://github.com/pytorch/pytorch/issues/111469#issuecomment-2497452760