nccl版本与pytorch不匹配

问题描述：

多GPU分布式训练：

import torch.distributed
dist.init_process_group(backend=dist_backend,
                        init_method=init_method,
                        world_size=world_size, 要设置
                        rank=proc_rank)

使用nccl协议。

遇到报错：RuntimeError: NCCL error in: /pytorch/torch/lib/c10d/../c10d/NCCLUtils.hpp:94, invalid argument, NCCL version 2.7.8

经搜索，时nccl版本与pytorch版本不匹配导致。

查看当前pytorch版本和nccl版本如下所示。

命令如下。经查看，torch版本是10.2，nccl版本为2.4.2，而当前版本下所需的nccl为2.7.8。所以，出错是版本不匹配导致。

解决方案：

经搜索，nccl2.4.2匹配的torch版本为1.6.0，所以下载1.6.0版本的pytorch。

成功解决。