PyTorch 环境中 CUDA 版本冲突问题排查与解决

引言

在使用 PyTorch 进行深度学习开发时，CUDA 版本兼容性问题是个老生常谈的话题。本文将通过一次真实的排查过程，剖析 PyTorch 虚拟环境自带 CUDA 运行时库与系统全局 CUDA 环境冲突的场景，并一步步分析问题、定位原因，并最终给出解决方案。

问题复现：ImportError: undefined symbol

始于一个看似简单的 import torch 语句

bash 复制代码

(modelforger) wangh@ubuntu:~/codes/ModelForger/.venv/lib/python3.12/site-packages/nvidia/cusparse/lib$ python
Python 3.12.9 (main, Feb 12 2025, 14:50:50) [Clang 19.1.6 ] on linux
Type "help", "copyright", "credits" or "license" for more information.

>>> import torch
>>> Traceback (most recent call last):
>>> File "<stdin>", line 1, in <module>
>>> File "/home/wangh/codes/ModelForger/.venv/lib/python3.12/site-packages/torch/__init__.py", line 367, in <module>
>>> from torch._C import *  # noqa: F403
>>> ^^^^^^^^^^^^^^^^^^^^^^
>>> ImportError: /home/wangh/codes/ModelForger/.venv/lib/python3.12/site-packages/torch/lib/../../nvidia/cusparse/lib/libcusparse.so.12: undefined symbol: __nvJitLinkComplete_12_4, version libnvJitLink.so.12

错误信息很明确，在 libcusparse.so.12 中找不到符号 __nvJitLinkComplete_12_4，这通常意味着存在版本不匹配的问题。

初步排查：环境 & CUDA 版本

首先，我们检查一下环境和 CUDA 版本

bash 复制代码

(modelforger) wangh@ubuntu:~/codes/ModelForger/.venv/lib/python3.12/site-packages/nvidia/cusparse/lib$ echo $LD_LIBRARY_PATH
/usr/local/cuda/lib64:

(modelforger) wangh@ubuntu:~/codes/ModelForger/.venv/lib/python3.12/site-packages/nvidia/cusparse/lib$ nvcc --version
nvcc: NVIDIA (R) Cuda compiler driver
Copyright (c) 2005-2023 NVIDIA Corporation
Built on Wed_Nov_22_10:17:15_PST_2023
Cuda compilation tools, release 12.3, V12.3.107
Build cuda_12.3.r12.3/compiler.33567101_0

(modelforger) wangh@ubuntu:~/codes/ModelForger/.venv/lib/python3.12/site-packages/nvidia/cusparse/lib$ uv pip list | grep nvidia
Using Python 3.12.9 environment at: /home/wangh/codes/ModelForger/.venv
nvidia-cublas-cu12        12.4.5.8
nvidia-cuda-cupti-cu12    12.4.127
nvidia-cuda-nvrtc-cu12    12.4.127
nvidia-cuda-runtime-cu12  12.4.127
nvidia-cudnn-cu12         9.1.0.70
nvidia-cufft-cu12         11.2.1.3
nvidia-curand-cu12        10.3.5.147
nvidia-cusolver-cu12      11.6.1.9
nvidia-cusparse-cu12      12.3.1.170
nvidia-nccl-cu12          2.21.5
nvidia-nvjitlink-cu12     12.4.127
nvidia-nvtx-cu12          12.4.127

发现了两个关键信息

nvcc --version 系统安装的 CUDA 版本是 12.3。
nvidia-* 虚拟环境安装的 nvjitlink 版本号为 12.4.127。

根据错误信息可知，PyTorch 虚拟环境中的动态库 libcusparse.so.12 需要的正是 libnvJitLink.so.12 的 __nvJitLinkComplete_12_4 版本，pip 安装的依赖包版本自身没有问题，因此推测可能错误链接到了系统中 CUDA 12.3 的 libnvJitLink.so.12。

分析：动态链接库加载路径

为了验证猜想，我们使用 patchelf 和 ldd 命令查看 libcusparse.so.12 的动态链接状态：

bash 复制代码

(modelforger) wangh@ubuntu:~/codes/ModelForger/.venv/lib/python3.12/site-packages/nvidia/cusparse/lib$ patchelf --print-rpath libcusparse.so.12
$ORIGIN:$ORIGIN/../../nvjitlink/lib

(modelforger) wangh@ubuntu:~/codes/ModelForger/.venv/lib/python3.12/site-packages/nvidia/cusparse/lib$ ldd libcusparse.so.12
        linux-vdso.so.1 (0x00007ffc507e2000)
        libnvJitLink.so.12 => /usr/local/cuda/lib64/libnvJitLink.so.12 (0x00007f867a399000)
        libpthread.so.0 => /lib/x86_64-linux-gnu/libpthread.so.0 (0x00007f867a353000)
        librt.so.1 => /lib/x86_64-linux-gnu/librt.so.1 (0x00007f867a349000)
        libdl.so.2 => /lib/x86_64-linux-gnu/libdl.so.2 (0x00007f867a343000)
        libm.so.6 => /lib/x86_64-linux-gnu/libm.so.6 (0x00007f867a1f4000)
        libgcc_s.so.1 => /lib/x86_64-linux-gnu/libgcc_s.so.1 (0x00007f867a1d7000)
        libc.so.6 => /lib/x86_64-linux-gnu/libc.so.6 (0x00007f8679fe5000)
        /lib64/ld-linux-x86-64.so.2 (0x00007f868e62d000)

果不其然 libcusparse.so.12 依赖的 libnvJitLink.so.12 被加载到了系统 CUDA 目录 (/usr/local/cuda/lib64) 下，而不是预定义的 PyTorch 虚拟环境的目录。

问题根源：LD_LIBRARY_PATH 优先级

bash 复制代码

(modelforger) wangh@ubuntu:~/codes/ModelForger/.venv/lib/python3.12/site-packages/nvidia/cusparse/lib$ echo $LD_LIBRARY_PATH
/usr/local/cuda/lib64:

至此，问题根源已经明确：LD_LIBRARY_PATH 环境变量导致系统 CUDA 库路径优先于 PyTorch 虚拟环境的 CUDA 库路径被加载。这导致了版本不匹配，PyTorch 无法找到所需的符号。

解决方案：unset LD_LIBRARY_PATH

解决这个问题最直接的方法就是移除 LD_LIBRARY_PATH 对系统 CUDA 路径的设置：

bash 复制代码

(modelforger) wangh@ubuntu:~/codes/ModelForger/.venv/lib/python3.12/site-packages/nvidia/cusparse/lib$ unset LD_LIBRARY_PATH

再次查看 libcusparse.so.12 的动态链接：

bash 复制代码

(modelforger) wangh@ubuntu:~/codes/ModelForger/.venv/lib/python3.12/site-packages/nvidia/cusparse/lib$ ldd libcusparse.so.12
        linux-vdso.so.1 (0x00007fff959a7000)
        libnvJitLink.so.12 => /home/wangh/codes/ModelForger/.venv/lib/python3.12/site-packages/nvidia/cusparse/lib/./../../nvjitlink/lib/libnvJitLink.so.12 (0x00007f303000e000)
        libpthread.so.0 => /lib/x86_64-linux-gnu/libpthread.so.0 (0x00007f302ffc8000)
        librt.so.1 => /lib/x86_64-linux-gnu/librt.so.1 (0x00007f302ffbe000)
        libdl.so.2 => /lib/x86_64-linux-gnu/libdl.so.2 (0x00007f302ffb8000)
        libm.so.6 => /lib/x86_64-linux-gnu/libm.so.6 (0x00007f302fe69000)
        libgcc_s.so.1 => /lib/x86_64-linux-gnu/libgcc_s.so.1 (0x00007f302fe4c000)
        libc.so.6 => /lib/x86_64-linux-gnu/libc.so.6 (0x00007f302fc5a000)
        /lib64/ld-linux-x86-64.so.2 (0x00007f30443f9000)

现在，libnvJitLink.so.12 正确地加载到了 PyTorch 虚拟环境的目录下。

验证：问题解决

bash 复制代码

(modelforger) wangh@ubuntu:~/codes/ModelForger/.venv/lib/python3.12/site-packages/nvidia/cusparse/lib$ python
Python 3.12.9 (main, Feb 12 2025, 14:50:50) [Clang 19.1.6 ] on linux
Type "help", "copyright", "credits" or "license" for more information.
>>> import torch

import torch 成功！问题解决。

最佳实践与总结

避免全局设置 LD_LIBRARY_PATH： 在全局环境变量（如 .bashrc 或 .bash_profile）中设置 LD_LIBRARY_PATH 会干扰虚拟环境的独立性。
理解动态链接机制： 了解 LD_LIBRARY_PATH 的作用以及动态链接库的加载顺序，有助于快速定位和解决类似问题。