windows上pycharm远程调试GPU服务器报错 Cannot load cudnn shared library报错解决

已于 2024-03-11 15:28:52 修改
阅读量776 收藏
点赞数
CC 4.0 BY-SA版权
分类专栏： 计算机视觉 文章标签： paddle gpu pycharm 远程连接服务器
于 2022-12-12 15:10:45 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/weixin_38235865/article/details/128287307
本文解决了PyCharm远程调试中出现的ImportError问题，详细分析了环境变量LD_LIBRARY_PATH配置错误导致的问题，并提供了解决方案。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

参考：Pycharm问题：pycharm远程调试报错ImportError:libcusolver.so.9.0: cannot open shared object file

原因：LD_LIBRARY_PATH 环境变量pycham没有找到

排查问题核心就是：定位错误 不断搜索 搜索相关的方法解决

服务器LD_LIBRARY_PATH路径是/data1/miniconda/envs/OCR/lib

但pycharm执行os.environ['LD_LIBRARY_PATH'] 返回的路径很奇怪：

'/data1/miniconda/envs/OCR/lib/python3.9/site-packages/cv2/../../lib64'

很多报错 Cannot load cudnn shared library是GPU服务器报错，搜不到远程服务器报错这个的，换一个思路，搜索pycharm 连接远程服务器CentOS cuDNN ，搜到的结果是在console设置环境变量，没有解决【但接近了】

在这里插入图片描述

执行os.environ[‘LD_LIBRARY_PATH’] 发现路径一直不对，很奇怪，终于在Pycharm问题：pycharm远程调试报错ImportError:libcusolver.so.9.0: cannot open shared object file通过设置python文件的环境变量解决。

PYTHONUNBUFFERED=1;LD_LIBRARY_PATH=/data1/miniconda/envs/OCR/lib

在这里插入图片描述

在这里插入图片描述

《Python基础教程》内容总览篇（持续更新中）
weixin_43178406的博客
08-26 30万+
大家好，我是爱编程的喵喵。双985硕士毕业，现担任全栈工程师一职，热衷于将数据思维应用到工作与生活中。从事机器学习以及相关的前后端开发工作。曾在阿里云、科大讯飞、CCF等比赛获得多次Top名次。现为优快云博客专家、人工智能领域优质创作者。喜欢通过博客创作的方式对所学的知识进行总结与归纳，不仅形成深入且独到的理解，而且能够帮助新手快速入门。个人精心开设的《Python基础课程》专栏订阅量接近900，帮助不少同学解决了Bug。
【报错】This TensorFlow binary is optimized with oneAPI Deep Neural Network Library (oneDNN) to use the
静谧、淡雅
06-26 5781
上述提示信息旨在告诉用户当前使用的 TensorFlow 二进制文件是经过优化的，并使用了一些 CPU 指令集来提高性能。加入这两行代码，把tensorflow的警告等级为2的警告忽略。这样，那些提示信息就不会再打印了，被隐藏了。上述提示中，有几个提示是GPU相关的，BZ电脑没有使用GPU。所以尝试换一种安装tensorflow的方法。
PaddleOCR遇到RuntimeError: (PreconditionNotMet) Cannot load cudnn shared library. 错误的解决
WinterShiver
04-01 8510
在Nvidia驱动正常安装，nvidia-smi正常显示的情况下，在anaconda环境下跑常规的深度学习框架（tensorflow，pytorch，paddlepaddle等等）的时候，一般不需要额外安装CUDA或cuDNN等工具，而是直接conda/pip安装正确版本的cudatoolkit就可以（cudatoolkit的版本和nvidia-smi的显示保持一致即可）。我们要做的事情是找到这些文件的位置，而不是在某个路径放一个这些文件的副本。确定库文件的位置后，把。，此时这些库文件的位置在。
安装paddlepaddle-gpu，运行时出现错误Cannot load cudnn shared library. Cannot invoke method cudnnGetVersion.
aliyun_的博客
12-06 1528
发现$LD_LIBRARY_PATH路径是/usr/local/lib，但是按照前一个博文，将libcudnn.so和libcublas.so添加到了/usr/lib中。在shared library中添加了libcudnn.so和libcublas.so，但是仍然报错。将/usr/lib添加到$LD_LIBRARY_PATH中，问题解决。注意这个命令在重启虚拟环境之后才能生效。安装命令，在paddle官网。获取对应版本的paddle。之后，尝试查看环境变量。
Cannot load cudnn shared library. Cannot invoke method cudnnGetVersion.
u011390757的博客
05-29 1115
正常显示的情况下，在 Anaconda 环境下跑常规的深度学习框架（如 TensorFlow, PyTorch, PaddlePaddle 等）时，一般不需要额外安装 CUDA 或 cuDNN 工具，而是直接通过。（比如 PaddlePaddle），那么按包的要求来即可。有些时候特殊的包需要特殊版本的。在 Nvidia 驱动正常安装，，那么您就不会再遇到此问题。的显示，选择与其一致的。如果可以使用上述命令找到。
报错“Cannot load cudnn shared library. Cannot invoke method cudnnGetVersion at (/paddle/paddle/fluid/“
weixin_43220532的博客
01-11 3301
一，问题： 安装好paddlepaddle-gpu后使用以下代码测试GPU是否可用： import paddle paddle.fluid.install_check.run_check() 但是报错： 二，问题出现原因： libcudnn和libcublas的软连接没有添加到shared library中 三，解决办法： 1，查找libcudnn.so和libcublas.so的位置： 分别执行sudo find / -name libcudnn.so*和sudo find / -name libcu
Cannot load cudnn shared library. Cannot invoke method cudnnGetVersion
六五酥的博客
05-25 6897
报错如图： 原因是没安装cudnn： 查看cuda版本nvcc --version 下载cudnn：https://developer.nvidia.com/rdp/cudnn-archive 选择对应版本：这里选择for CUDA 10.1的 下载后解压：tar vxf cudnn-10.1-linux-x64-v8.0.5.39.tgz 解压后得到cuda的文件夹，重命名为cudnn_8.0.5,并拷贝到/usr/local/下： sudo cp -r -d ./cudnn_8.0.5 usr/l
Cannot load cudnn shared library. Could not load library libcudnn_ops_infer.so.8.
NCU_wander的博客
03-22 1274
是我们在配置环境时经常遇到的错误，我们需要进行链接配置解决具体问题。
百度Paddlepaddle-GPU运行时出现Error: Cannot load cudnn shared library. Cannot invoke method cudnnGetVersion
热门推荐
风月同天的博客
06-26 2万+
这里写目录标题一级目录二级目录三级目录 一级目录 二级目录 三级目录
使用conda安装了cudatoolkit11.7和cudnn8.6, paddle却报错：Cannot load cudnn shared library. Cannot invoke method
hai0915的博客
01-14 5557
近日，使用paddle官方的conda安装命令安装最新版的paddle命令安装了paddle的GPU版需要的cudatoolkit=11.7和cudnn8.6和一些依赖包。但是，在python交互界面运行paddle.utils.run_check()却出现了错误，所以令人疑惑的是我明明在虚拟环境中安装了cudnn，但是paddle却不能找到cudnn库的位置。
ubuntu16.04配置tensorflow-gpu并导入pycharm过程及遇到的问题集合
myGFZ的博客
04-12 4407
首先需要说明的是，在安装这种复杂的环境时，最好把之前所有涉及到与本次相关的软件全部卸载。不然会出现版本不兼容，多个残缺的版本存在互相干扰的情况。而在这种情况下，排除问题的难度时耗时又耗力的。 一、用到的软件说明 1、使用的软件版本号详情： python 3.5.2 tensorflow-gpu 1.4.0 cuda 8.0. #使用nvcc -V 查看 cudnn 6.0 ...
Ubuntu 18.04下Pycharm导入tensorflow时报Import Error的原因及解决方法
二次元代码屋
10-10 1470
最近刚转到Ubuntu上学习深度学习。在安装开发环境时踩了许多坑。其中一个就是在使用Pycharm导入tensorflow-gpu版时会报如下错误： ImportError: libcublas.so.9.0: cannot open shared object file: No such file or directory Failed to load the native TensorFlow...
yolov5 yolov8 yolov10 Ultralytics 奇奇怪怪的错误汇总:【版本兼容，模型训练，数据加载，模型加速】
shiter编写程序的艺术
09-20 2227
用起来这么火的库，问题这么多么？
Paddle-GPU环境配置问题解决总结 Error: Cannot load cudnn shared library. Cannot invoke method cudnnGetVersion
小灰的博客
11-24 1万+
不得不bb一句，玄学真玄学。注意看报错信息。 首先我是遇见了这样的个问题 其实问题就是cudnn库的软连接找不到，于是乎我就按照这篇教程 https://blog.youkuaiyun.com/qq451882471/article/details/106967942 这个博客老哥写的确实顶，不得不说。我按照他的步骤进行下去了，但是还是没办法成功。依旧是报错这个 原因：那个老哥在使用locate这条指令之前没有更新数据库，可以在使用locate之前，先使用updatedb命令，手动更新数据库。 解决办法：如上在使用l
Error: Cannot load cudnn shared library. Cannot invoke method cudnnGetVersion
一只不正经的程序猿的博客
02-17 3221
cudnn-10.2-linux-x64-v8.3.0.98.tgz 百度云下载地址
安装Paddle出现Cannot load cudnn shared library问题
weixin_33566282的博客
08-25 3167
参考链接：https://github.com/PaddlePaddle/Paddle/issues/22996 安装Paddle1.8.3之后，出现问题： 解决方案： （1）对应cuda版本，安装对应的cudnn 旧cudnn版本下载位置：https://developer.nvidia.com/rdp/cudnn-archive （2）解压之后，将cudnn文件拷贝至cuda10.1（我使用的cuda版本是10.1）中 sudo cp ~/Downloads/cuda/include/cudnn.h
docker pycharm远程访问找不到cudnn lib 的问题
qq_34535410的博客
03-01 572
在终端输入python 输入: import os print(os.environ.get('CUDA_HOME')) print(os.environ.get('LD_LIBRARY_PATH')) 获取本机环境变量地址，然后添加到pycharm环境变量中。
Pycharm调用已安装的包总是DLL load failed: 找不到指定的模块
假如生活是小说，你的主题叫什么？
02-28 4954
这个问题纠结很久，试了不同方法，全网可见方法都试了下，总觉得缺少些什么 1、考虑包是不是不够新，多次更新—无果（已经是足够新的） 2、载入解释器（这个是之前就做好的工作），尝试了多个无果 3、setting中及default setting中解释器版本是否匹配 4、运行器，edit configurations,设置时候忘记选择解释器了 总结如下： （1）检查包是否是最新 （2）setting中所...
pycharm不能调用tensorflow-gpu的问题（搞了一下午，气死个人）
m0_61802230的博客
03-22 5091
问题描述 今天在本地pycharm中远程连接教研室服务器时，出现了无法调用GPU的问题。起初以为是是版本问题，在尝试了输出gpu信息，查看虚拟环境中tf-gpu和cuda的版本后，发现版本匹配，这时我感觉不秒。最不理解是，我通过控制台使用tensorflow-gpu没问题，但是通过pycharm使用却不可以，最终断定是本地的问题，也就是pycharm的问题。 解决办法 在搜集了大量的资料后，发现是本地pycharm编译器找不到虚拟环境中的cuda的信息，因此在pycharm 中添加此信息，具体步骤入下：
Traceback (most recent call last): File "/home/zthree/mujoco-learning/main.py", line 2, in <module> from ur5_control import planner, positioncontroller, trail_manager, simulate, MPC File "/home/zthree/mujoco-learning/ur5_control/simulate.py", line 6, in <module> import torch # 添加PyTorch依赖
最新发布
07-12
<think>我们正在处理一个导入错误，具体是`import torch`失败。用户提供的引用中显示了一个`FileNotFoundError`，但该错误是关于文件路径`/data/Cache/SLR12/dev_other.tsv`的，这可能与当前问题无关。然而，用户明确提到了`import torch`错误，所以我们需要关注这个。 根据经验，`import torch`失败通常有以下原因： 1. **PyTorch未安装**：在当前的Python环境中没有安装PyTorch。 2. **版本不兼容**：安装的PyTorch版本与Python解释器版本或系统环境（如CUDA）不匹配。 3. **环境问题**：可能激活了错误的虚拟环境，或者环境配置混乱。 4. **系统架构问题**：例如在64位Python中安装了32位的PyTorch，或者反之（较少见）。 另外，用户提到引用[2]中关于`MUJOCO_PY_MUJOCO_PATH`环境变量的设置，这似乎与MuJoCo相关，但当前问题是关于`import torch`的，因此我们暂时不关注MuJoCo，除非错误信息中同时出现了与MuJoCo相关的内容。 由于用户没有提供具体的错误信息，我们只能根据常见的`import torch`错误进行指导。 ### 解决步骤 #### 步骤1: 确认PyTorch是否安装 在PyCharm的终端中运行： ```bash pip list | grep torch ``` 或者在Python解释器中尝试导入： ```bash python -c "import torch" ``` 如果出现错误，则说明安装有问题。 #### 步骤2: 检查Python环境 确保PyCharm中使用的解释器是安装了PyTorch的那个环境。可以通过以下方式检查： - 打开PyCharm的设置（Settings） - 进入`Project: <项目名> > Python Interpreter` - 查看已安装的包列表中是否有`torch` #### 步骤3: 重新安装PyTorch 如果未安装或安装有问题，建议重新安装。根据你的环境（是否使用GPU）选择合适的安装命令。通常从[PyTorch官网](https://pytorch.org/get-started/locally/)获取安装命令。 例如，对于使用pip安装支持CUDA 11.3的版本： ```bash pip3 install torch torchvision torchaudio --extra-index-url https://download.pytorch.org/whl/cu113 ``` 或者使用conda（如果使用Anaconda）： ```bash conda install pytorch torchvision torchaudio cudatoolkit=11.3 -c pytorch ``` #### 步骤4: 验证安装 重新安装后，在PyCharm中运行一个简单的测试脚本： ```python import torch print(torch.__version__) print(torch.cuda.is_available()) # 如果使用GPU，检查CUDA是否可用 ``` ### 常见错误及解决方案 1. **`ModuleNotFoundError: No module named 'torch'`**： - 未安装PyTorch，按照步骤3安装。 - 或者安装到了错误的Python环境，检查步骤2。 2. **`ImportError: DLL load failed` (Windows)**: - 可能是VC++运行库缺失，安装[VC++ 2019可再发行版](https://support.microsoft.com/en-us/topic/the-latest-supported-visual-c-downloads-2647da03-1eea-4433-9aff-95f26a218cc0)。 - 或者PyTorch版本与Python版本不匹配（如Python 3.8安装了PyTorch for Python 3.7），重新安装匹配版本。 3. **`libcudart.so.X.X: cannot open shared object file` (Linux)**: - CUDA运行时库未找到。确保CUDA已正确安装，且环境变量`LD_LIBRARY_PATH`包含CUDA的lib目录（如`/usr/local/cuda/lib64`）。 4. **`undefined symbol` 错误**: - 通常由于PyTorch版本与CUDA版本不匹配。重新安装与CUDA版本匹配的PyTorch。 ### 其他建议 - 如果使用虚拟环境，请确保在PyCharm中正确选择了该环境。 - 如果问题仍然存在，尝试在PyCharm中创建一个新的虚拟环境，并重新安装PyTorch。 ### 相关问题 如果用户的问题与上述步骤不符，可能需要提供具体的错误信息。以下是一些可能的相关问题： §§ 相关问题 §§ 1. 如何检查PyTorch是否支持GPU？ 2. 如何解决PyTorch安装中的CUDA兼容性问题？ 3. 在PyCharm中如何切换Python解释器？ 4. 如何为PyTorch安装特定版本？ 5. 安装PyTorch时出现权限错误怎么办？ 请根据实际错误信息选择解决方案。如果问题仍未解决，请提供完整的错误信息。</think>根据您提供的引用信息和Traceback错误，问题集中在文件路径缺失和依赖项配置上。以下是系统化的解决方案： ### 🔍 问题诊断 1. **核心错误**：`FileNotFoundError: '/data/Cache/SLR12/dev_other.tsv'` - 程序试图访问不存在的文件路径 - 可能原因：路径配置错误/文件未下载/权限问题[^1] 2. **PyTorch相关错误**：`import torch`失败通常由以下原因导致： ```bash # 典型错误示例 ImportError: libcudart.so.11.0: cannot open shared object file ModuleNotFoundError: No module named 'torch' ``` - CUDA版本不匹配 - PyTorch未安装或安装损坏 - 虚拟环境配置错误 ### 🛠️ 解决步骤 #### 步骤1：修复文件路径错误 ```python # 在代码开头添加路径检查 import os target_path = '/data/Cache/SLR12/dev_other.tsv' if not os.path.exists(target_path): # 自动创建目录结构 os.makedirs(os.path.dirname(target_path), exist_ok=True) print(f"创建缺失目录: {os.path.dirname(target_path)}") # 或从源下载文件 # download_dataset(target_path) ``` #### 步骤2：解决PyTorch导入问题 ```bash # 在PyCharm终端执行 # 确认CUDA版本 nvidia-smi # 查看最高支持的CUDA版本 # 重新安装匹配的PyTorch (示例为CUDA 11.3) pip uninstall torch torchvision pip install torch torchvision torchaudio --extra-index-url https://download.pytorch.org/whl/cu113 ``` #### 步骤3：环境变量配置 引用[2]提示的关键配置： ```bash # Linux/Mac export MUJOCO_PY_MUJOCO_PATH=/path/to/mujoco # Windows PowerShell $env:MUJOCO_PY_MUJOCO_PATH = "C:\path\to\mujoco" ``` 在PyCharm中永久设置： 1. `Run` → `Edit Configurations` → `Environment variables` 2. 添加： ``` Name: MUJOCO_PY_MUJOCO_PATH Value: 你的实际路径 ``` ### ✅ 验证安装 创建`test_imports.py`： ```python import torch import mujoco_py print("PyTorch版本:", torch.__version__) print("CUDA可用:", torch.cuda.is_available()) print("MuJoCo路径:", mujoco_py.__file__) ``` 预期输出： ``` PyTorch版本: 1.12.1+cu113 CUDA可用: True MuJoCo路径: .../site-packages/mujoco_py/__init__.py ``` ### ⚠️ 常见陷阱解决方案 | 错误类型 | 解决方案 | |---------|----------| | `GLFW not found` | `apt install libglfw3` (Linux)<br>`brew install glfw` (Mac) | | `MSVCP140.dll missing` | 安装[VC++ 2015-2022运行库](https://aka.ms/vs/17/release/vc_redist.x64.exe) | | `CUDA out of memory` | 减少batch size：`torch.utils.data.DataLoader(..., batch_size=16)` | > 📌 **关键提示**：90%的`import torch`错误源于CUDA版本不匹配，使用`torch.version.cuda`验证安装的CUDA版本是否与系统一致[^2]。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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