OSError: /root/.cache/jittor/jtcuda/cuda12.2_cudnn8_linux/lib64/libcudart.so: cannot open shared object file: No such file or directory
时间: 2024-12-29 12:22:45 浏览: 96
### 解决 CUDA 库文件缺失导致的 OSError 错误
当遇到 `OSError: libcudart.so.12.2: cannot open shared object file: No such file or directory` 这类错误时,通常是因为系统中缺少相应的 CUDA 库文件或这些库文件未被正确配置到系统的动态链接器路径中[^1]。
#### 安装 CUDA Toolkit 和 cuDNN
为了确保所有必需的 CUDA 库都已安装并可用,建议按照官方文档中的说明来安装匹配版本的 CUDA Toolkit 和 cuDNN:
- **CUDA Toolkit**: 下载适用于 Linux 的 CUDA 12.2 版本,并遵循 NVIDIA 提供的安装指南完成安装过程。
- **cuDNN**: 获取与所使用的 CUDA 版本兼容的 cuDNN v8.x 并将其解压至指定目录下。注意要设置好环境变量以便程序能够找到所需的 `.so` 文件。
#### 配置环境变量
安装完成后需确认 `$LD_LIBRARY_PATH` 已经包含了 CUDA 及其工具包的相关路径,例如 `/usr/local/cuda/lib64` 或者自定义安装位置下的相应子目录。可以通过编辑用户的 shell profile 文件(如 `.bashrc`, `.zshrc` 等),添加如下命令行实现这一点:
```shell
export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/cuda-12.2/targets/x86_64-linux/lib/
```
之后重新加载配置文件使更改生效:
```shell
source ~/.bashrc # 假设使用的是 bash 终端
```
#### 更新 Conda 虚拟环境中依赖项
如果是在 Anaconda 创建的新虚拟环境下工作,则可能还需要更新此特定 Python 环境内的 PyTorch 及其他 GPU 加速模块以确保它们能识别新安装好的 CUDA 版本。可以尝试通过以下 pip 命令来进行升级操作:
```shell
pip install torch torchvision torchaudio --extra-index-url https://download.pytorch.org/whl/cu122
```
这会强制安装支持 CUDA 12.2 的 PyTorch 构建版及其配套组件。
#### 测试安装情况
最后一步是验证一切正常运作。运行简单的测试脚本来检查是否成功加载了正确的 CUDA 库版本:
```python
import torch
print(torch.cuda.is_available())
print(torch.version.cuda)
```
上述代码应该返回 True 表明设备上存在有效的 CUDA 设备以及显示当前正在使用的 CUDA 编译版本号。
阅读全文
相关推荐

















