ubuntu下tensorflow 报错 libcusolver.so.8.0: cannot open shared object file: No such file or directory

解决方法1. 在终端执行：

export LD_LIBRARY_PATH=”$LD_LIBRARY_PATH:/usr/local/cuda/lib64”
export CUDA_HOME=/usr/local/cuda 

但是每次要运行tensorflow时都得执行此命令，而且在Spyder、jupyter notebook中仍然报错。

解决方法2.  在bashrc中写入路径：

sudo vim ~/.bashrc
export LD_LIBRARY_PATH=”$LD_LIBRARY_PATH:/usr/local/cuda/lib64”
export CUDA_HOME=/usr/local/cuda
source ~/.bashrc

但是这还没解决我的问题。

解决方法3. 彻底解决

• 检查LD_LIBRARY_PATH

echo $LD_LIBRARY_PATH

我的结果： ”:/usr/local/cuda/lib64”

再执行命令：

sudo ldconfig /usr/local/cuda/lib64

问题完美解决，此时不管在终端、Spyder、jupyter notebook中 import tensorflow、import keras都不报错。

export LD_LIBRARY_PATH=”$LD_LIBRARY_PATH:/usr/local/cuda/lib64”
export CUDA_HOME=/usr/local/cuda

************************************转载************************

CUDA,CUDNN工具箱多版本安装、多版本切换

前言

cuda版本最新是10.0。

但目前最适合我们的则是9.2或者9.1。

如果我们因为某些原因想同时使用两个版本的话，应该怎么样呢？

很简单！一起按步骤来吧。

安装cuda和cudnn

关于具体的安装步骤可以查看这个网址：https://oldpan.me/archives/pytorch-gpu-ubuntu-nvidia-cuda90

之前已经详细地说明了，不同版本其实也是大同小异，我们唯一需要注意的是，之前已经安装过一个版本，继续安装新版本的时候，我们的设置选择需要稍微修改一下：

Install NVIDIA Accelerated Graphics Driver for Linux-x86_64 396.80?
(y)es/(n)o/(q)uit: n
#如果在这之前已经安装好更高版本的显卡驱动就不需要再重复安装，如果需要重复安装就选择 yes,注意需要关闭图形界面。

Install the CUDA 9.0 Toolkit?
(y)es/(n)o/(q)uit: y

Enter Toolkit Location
 [ default is /usr/local/cuda-9.0 ]:
#一般选择默认即可，也可以选择安装在其他目录，在需要用的时候指向该目录或者使用软连接 link 到 /usr/local/cuda。

Do you want to install a symbolic link at /usr/local/cuda?
# 这个看你自己，看当前是想用现在按照的cuda版本还是之前已经安装的cuda版本，这里我选择使用之前的cuda版本
(y)es/(n)o/(q)uit: n
---------------------
# 其他设置和之前相同即可

安装过程与之前无异，cudnn放到相应的文件夹中即可。

修改.bashrc

安装好两个版本的cuda之后，我们需要修改.bashrc文件，和官方说明的一样，我们在.bashrc文件中添加配置路径，一般来说如果我们按照cuda-9.1需要这样写：

export PATH=/usr/local/cuda-9.1/bin${PATH:+:${PATH}}
export LD_LIBRARY_PATH=/usr/local/cuda-9.1/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}

如果我们同时安装了cuda-9.1和cuda-9.2的时候，可能想到是这样写：

export PATH=/usr/local/cuda-9.1/bin${PATH:+:${PATH}}
export LD_LIBRARY_PATH=/usr/local/cuda-9.1/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}

export PATH=/usr/local/cuda-9.2/bin${PATH:+:${PATH}}
export LD_LIBRARY_PATH=/usr/local/cuda-9.2/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}

这样写并没有什么问题，因为我们的深度学习库是按照/usr/local/cuda这个链接来进行寻找cuda模块的，只要我们将cuda进行正确的软连接，那么在实际运行中并没有什么问题。

但是这样并不是很优雅，而且在使用一些其他cuda命令的时候很有可能寻找错误，为此我们将配置文件直接改成如下即可：

export PATH=/usr/local/cuda/bin${PATH:+:${PATH}}
export LD_LIBRARY_PATH=/usr/local/cuda/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}

这样我们在切换软连接的时候，系统就可以自动根据我们的软连接查找相应的路径了。

切换软连接

切换软连接还是比较容易的，按照下方的命令即可：

# 查看cuda此刻的链接
prototype@prototype-X299-UD4-Pro:/usr/local$ stat cuda
  File: 'cuda' -> '/usr/local/cuda-9.1'
  Size: 19        	Blocks: 0          IO Block: 4096   symbolic link
Device: 802h/2050d	Inode: 14288660    Links: 1
Access: (0777/lrwxrwxrwx)  Uid: (    0/    root)   Gid: (    0/    root)
Access: 2018-11-29 09:55:32.198913134 +0800
Modify: 2018-11-29 09:55:04.186653444 +0800
Change: 2018-11-29 09:55:04.186653444 +0800
 Birth: -
# 切换cuda-9.1 为 cuda-9.2
prototype@prototype-X299-UD4-Pro:/usr/local$ sudo ln -s /usr/local/cuda-9.2 /usr/local/cuda
prototype@prototype-X299-UD4-Pro:/usr/local$ nvcc -V
nvcc: NVIDIA (R) Cuda compiler driver
Copyright (c) 2005-2018 NVIDIA Corporation
Built on Tue_Jun_12_23:07:04_CDT_2018
Cuda compilation tools, release 9.2, V9.2.148
# 切换 cuda-9.2 为 cuda-9.1
prototype@prototype-X299-UD4-Pro:/usr/local$ sudo rm -rf cuda
prototype@prototype-X299-UD4-Pro:/usr/local$ sudo ln -s /usr/local/cuda-9.1 /usr/local/cuda
prototype@prototype-X299-UD4-Pro:/usr/local$ nvcc -V
nvcc: NVIDIA (R) Cuda compiler driver
Copyright (c) 2005-2017 NVIDIA Corporation
Built on Fri_Nov__3_21:07:56_CDT_2017
Cuda compilation tools, release 9.1, V9.1.85

需要注意的小细节

显卡驱动问题

注意不同cuda版本对显卡驱动版本的要求也不同。

对于我的情况来说，如果我想使用cuda-9.1和cuda-9.2，那么我就必须安装396.26及以上的Nvidia显卡驱动，如果只满足了390，那么就会出现cuda-9.1可以使用但9.2就检测不到了。

所以安装最新的显卡驱动即可。

关于怎么安装可以看着这里:https://oldpan.me/archives/ubuntu16-04-nvidia-driver-get-stuck

编译源码问题

自己在编译Pytorch最新版的时候发现，cuda-9.1并不支持gcc-7.3的版本(为了体验C++-17的特性，将系统中的gcc进行了更新)。只有cuda-9.2及以上才支持，那么就有两种解决方法：

• 安装最新的cuda-9.2
• 切换回gcc-5

其实切换gcc版本和切换cuda版本都是类似的，我们的系统同样可以安装多个gcc版本，比如我的系统中就存在多个gcc版本，在安装新版本的gcc后并不会删除旧版本，因此我们可以随时切换gcc：

cd /usr/bin 

prototype@prototype-X299-UD4-Pro:/usr/bin$ gcc
gcc             gcc-ar          gcc-nm          gcc-ranlib
gcc-4.9         gcc-ar-4.9      gcc-nm-4.9      gcc-ranlib-4.9
gcc-5           gcc-ar-5        gcc-nm-5        gcc-ranlib-5
gcc-7           gcc-ar-7        gcc-nm-7        gcc-ranlib-7

# 切换gcc链接到gcc-7版本
sudo rm -r gcc
sudo ln -sf gcc-7 gcc
sudo rm -r g++
sudo ln -sf g++-7 g++