Could not dlopen library ‘libcublas.so.10.0‘ 解决方法

Could not dlopen library ‘libcublas.so.XXX.0’ 的解决方法

Github上的项目通常需要不同版本的tensorflow，然而不同版本的tensorflow可能需要不同的Cuda版本。若Cuda版本不对应，则不一定能成功调用GPU，纵使程序成功运行，也是在大量占用CPU资源。

本解决方法主要利用Cuda各版本向下兼容的特点，即在当前版本Cuda的库文件夹中放入所需要的高版本 library文件。

声明：

1. 本方法存在局限性；
2. 本方法针对小白，大佬肯定可以从Cuda文件中直接找到需要的库文件，或者其它更优的解决方法，欢迎分享在评论区；
3. libcublas.so.10.0相关库文件可以在个人主页进行下载

---

首先放上解决前后的实验运行截图：

上图是缺少libcublas.so.10.0等库文件时的运行情况，程序运行期间，GPU内存占用稳定在191MiB。此时使用top命令查看CPU使用情况。

可以看出CPU使用率来到了643%，实际实验过程中1200%也经常出现。

---

上图是添加libcublas.so.10.0等库文件后的运行情况，GPU利用率直接升至97%，内存占用也是来到了8000+MiB。此时再用top命令查看CPU使用情况。

发现CPU占用只有120%左右。使用nvcc --version命令查看当前Cuda版本。

仍旧为9.0，并不影响其它需要Cuda9.0环境的程序运行。

---

下面介绍解决问题的整体过程：

1. 安装VMware虚拟机
2. 下载Ubuntu18.04镜像iso文件
3. 在VMware中安装Ubuntu18.04
4. 下载并在ubuntu18.04中安装Cuda10
5. 找到安装的库文件，拷贝到实验主机中

---

接下来详细说明解决过程以及操作原因：

第1步：安装VMware虚拟机，选择试用for windows即可。
(本文假定使用环境为：个人PC系统为Windows10，跑程序使用系统为Ubuntu的公共机。为了获取cuda10的库文件，我们需要将其进行安装，因为要防止破坏公共机上已有的Cuda环境，所以采用在个人PC上安装虚拟环境)

第2步：下载Ubuntu18.04镜像iso文件，选择第一个即可。
(笔者最开始选用了Ubuntu20，但是安装过程中报内核版本错误，修改内核会导致系统的不稳定，所以降回18.04)

第3步：VMware中安装Ubuntu。

第4步：下载并在ubuntu18.04中安装Cuda。
(因为公共机采用的是ubuntu系统，因此下载ubuntu对应的cuda10)

安装指令参考官方指导：

但是在执行第四步sudo apt-get install cuda时可能报错，因笔者未能截屏，因此借用Jayce~大佬的实验截屏，报错类型完全相同，不过笔者报错内容是cuda-10-0。

这里将第四条指令修改为

sudo apt-get install aptitude
sudo aptitude install cuda

第5步：找到安装的库文件，拷贝复制到实验主机中。
(安装结束后所需要的库文件在/usr/local/cuda/lib64目录下，拷贝至公共机的Cuda库文件目录[……/lib64]下即可)

这里复制只用复制so.10.0与so.10.0.130文件，其余文件不用复制，以防破坏原Cuda库文件，复制过程中 ！！！没有！！！ 覆盖的操作。

复制后部分库文件夹如下：

至此，即可成功加载库文件，并调用GPU。