服务器linux环境下horovod安装和报错信息处理（RuntimeEror:Failed to detenmine if Gloo support has been built.）

horovod的Github路径：horovod/horovod: Distributed training framework for TensorFlow, Keras, PyTorch, and Apache MXNet. (github.com)https://github.com/horovod/horovod#install

 针对之前配置的pytorch==1.5.1和cuda==10.2，配置horovod。在使用horovod进行分布式训练时，会报出下面这个错误。

之前的配置顺序（不要按照这里的操作）：

1、先安装openmpi：

sudo apt-get install -y openmpi-bin

2、根据下面的顺序逐步安装Horovod

pip install mpi4py

HOROVOD_GPU_OPERATIONS=NCCL pip install horovod==0.19.4

pip install horovod

错误信息： 

 产生上面报错原因是因为，重新针对RTX3090的服务器配置了cuda，导致之前配置的Horovod版本和cuda不匹配，需要重新配置。

解决方法（按照这里的操作）：

1、卸载之前安装的Horovod（因为，如果直接安装高版本的horovod还是会显示上面的错误，需要将之前版本卸载，再重新安装）

pip uninstall horovod

 2、安装Horovod：使用以下命令安装Horovod

pip install horovod

3、安装Gloo支持的依赖项（重点！！！）：Gloo需要libuv库的支持。需要确保libuv已经安装在系统中。

对于Ubuntu系统，可以使用以下命令安装libuv：

sudo apt-get update
sudo apt-get install libuv1-dev

4、重新构建Horovod：如果之前已经安装了Horovod但未启用Gloo支持，可以尝试重新构建Horovod，确保Gloo支持已经启用。在重新构建Horovod时，请确保已经安装了Gloo所需的依赖项。

HOROVOD_WITH_GLOO=1 pip install --no-cache-dir horovod

通过将HOROVOD_WITH_GLOO=1设置为环境变量，可以确保Gloo支持已经启用，并重新安装Horovod。

5、验证Gloo支持：可以使用以下代码片段在Python中验证Gloo支持是否已成功构建：

import horovod.torch as hvd

hvd.init()
print(f"Horovod initialized with rank {hvd.rank()}")

运行这段代码，如果成功输出当前进程的排名（rank），则表示Horovod和Gloo支持已经成功构建。