一、開發環境
作業系統：Ubuntu 18.04 LTS
顯卡：NVIDIA RTX 2080 Super
顯卡驅動：專有驅動450.142.00
CUDA：10.2
PyCharm版本：2020.2.5
二、問題描述
最近在GitHub上閑逛，Git了一個YOLOv3目標檢測的專案，
Git下來并且配置好環境開始運行，發現TensorFlow找不到動態庫libcudart.so.10.1，
開始能夠想到的原因是我在本地安裝的CUDA版本是10.2，專案的Tensorflow版本是2.1.0，兩者可能不適配，
我首先嘗試在COCO資料集上運行模型訓練演算法，發現是可以運行的，只是訓練的速度實在有點慢，
看了下輸出資訊，發現TensorFlow沒有找到物理GPU，
我繼續在Pycharm的Python Console上面測驗Tensorflow能否找到GPU：
import tensorflow as tf
print(tf.test.is_gpu_available())
結果顯示False，的確這里的TensorFlow2.1.0沒有找到GPU，
于是我將原來的CUDA卸載，重新安裝了10.1版本，并且安裝了對應的cuDNN，
通過Anaconda創建了新的虛擬環境，安裝了Tensorflow2.1.0，
在新的虛擬環境下通過系統的Terminal打開Python，測驗了剛才的Python代碼，
發現Tesorflow是可以找到物理GPU，但是接下來奇怪的事情發生了，
我在PyCharm里配置了剛才的虛擬環境，然后打開內置的Terminal，再次測驗剛才的代碼，發現Tensorflow又找不到物理GPU了！
到這里我基本可以確定，問題一定在PyCharm上，而不是TensorFlow、CUDA、cuDNN的版本對應關系，
三、解決辦法
方法一：創建動態連接庫
在Pyharm內置的Terminal中輸入以下命令：
sudo ldconfig /usr/local/cuda/lib64
該命令等同于打開檔案/etc/ld.so.conf.d/cuda.conf，在其中加入路徑/usr/local/cuda/lib64，然后輸入以下命令使得動態庫生效：
sudo ldconfig
不論采用哪一種，每次啟動Pyharm的時候都需要在Terminal中操作一遍，
方法二：在PyCharm中修改運行配置
在File -> Settings -> Build, Execution, Deployment -> Console -> Python Console -> Environment -> Environment variables中，設定LD_LIBRARY_PATH=/usr/local/cuda-xx.x/lib64
四、原因分析
應該是我PyCharm專案所在目錄和CUDA的安裝目錄不在同一個硬碟（我的開發環境安裝了雙硬碟），導致PyCharm找不到CUDA的環境變數，
參考博客：pycharm找不到libcudart.so.10.0
轉載請註明出處，本文鏈接：https://www.uj5u.com/qita/471808.html
標籤：其他