RuntimeError: Failed to export an ONNX attribute, since it's not constant, please try to make things

本文解决了一个在Pytorch1.1版本中将模型转换为ONNX格式时出现的bug,提供了详细的步骤来安装特定版本的torch和torchvision库,以确保转换过程顺利进行。
ONNXRuntime 报错 `Failed to load library libonnxruntime_providers_cuda.so with error: libcublasLt.so.11: cannot open shared object file: No such file or directory` 表明系统在加载 `libonnxruntime_providers_cuda.so` 库时,找不到依赖的 `libcublasLt.so.11` 库。可以尝试以下方法解决: #### 1. 查找库文件 使用 `find` 命令在系统中查找 `libcublasLt.so.11` 文件: ```bash sudo find / -name "libcublasLt.so.11" ``` #### 2. 设置环境变量 若找到了 `libcublasLt.so.11` 文件,将其所在目录添加到 `LD_LIBRARY_PATH` 环境变量中。假设文件位于 `/path/to/cuda/lib64`,可以执行以下命令: ```bash export LD_LIBRARY_PATH="/path/to/cuda/lib64:$LD_LIBRARY_PATH" ``` 为了让该设置在每次登录时都生效,可以将上述命令添加到 `~/.bashrc` 或 `~/.bash_profile` 文件中: ```bash echo 'export LD_LIBRARY_PATH="/path/to/cuda/lib64:$LD_LIBRARY_PATH"' >> ~/.bashrc source ~/.bashrc ``` #### 3. 创建软链接 若找到的库文件版本不同,如 `libcublasLt.so.11.x`,可以创建软链接: ```bash sudo ln -s /path/to/cuda/lib64/libcublasLt.so.11.x /path/to/cuda/lib64/libcublasLt.so.11 ``` #### 4. 检查 CUDA 安装 确保 CUDA 已正确安装并且版本兼容。可以通过以下命令检查 CUDA 版本: ```bash nvcc --version ``` 若 CUDA 未安装或版本不兼容,需要重新安装合适的 CUDA 版本。 #### 5. 更新动态链接库缓存 在完成上述操作后,更新动态链接库缓存: ```bash sudo ldconfig ```
评论 2
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值