undefined symbol: __nvJitLinkAddData_12_1, version libnvJitLink.so.x报错缺失

最新推荐文章于 2025-04-19 19:15:06 发布

原创最新推荐文章于 2025-04-19 19:15:06 发布 · 4.9k 阅读

40 ·

CC 4.0 BY-SA版权

文章标签：

#python

比如我程序运行，和cuda、torch相关的非常容易碰到问题

错误信息 undefined symbol: __nvJitLinkAddData_12_1, version libnvJitLink.so.12 表明您的系统中缺少一个名为 __nvJitLinkAddData_12_1 的符号定义，这个符号应该在 libnvJitLink.so.12 这个动态链接库中定义。

1、查看cuda版本是否正常

nvcc -V

或在虚拟环境中加载

import torch
print(torch.version.cuda)

2、LD_LIBRARY_PATH 环境变量

在家目录~/.bashrc中添加 export LD_LIBRARY_PATH="/usr/local/cuda/lib64:$LD_LIBRARY_PATH"
这里切换为你的cuda路径

3、搜索动态链接库

find ~/ -name "libnvJitLink.so.12"

这里缺什么搜索什么。
在这里插入图片描述
可以看到我的环境中的动态链接库所在位置为换线部分

4、添加到临时环境变量

export LD_PRELOAD="/home/ph/anaconda3/envs/torch2.1/lib/python3.9/site-packages/nvidia/nvjitlink/lib/libnvJitLink.so.12"

再次启动程序，就不会报错

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

牵制有心碎

关注关注

26
点赞
踩
40

收藏

觉得还不错? 一键收藏
7
评论
分享

复制链接

分享到 QQ

分享到新浪微博

扫一扫
举报

举报

Linux 动态库 undefined symbol 原因定位与解决方法

惊鸿一博

03-01

5925

linux下没有直接依赖关系，所有的B/C的依赖都会转到到A下，可以用LDD命令验证，此时A只依赖于B, 不见C, 当B中的函数调用C中的函数时，因为没有加载C, 所以报找不到符号错误。第三方已经编译好的库，在引入了对应的头文件，使用了其中的某个方法，最终链接的时候出现 undefined symbol，这种情况有可能是库的开发者并没有导出这个方法的符号。Gcc 对 c++ 的新特性是一步一步的增加的，如果实现了新的特性，就可能会修改 c++ 的 abi，并且会升级 glibc 的版本。

ImportError: /nvidia/cusparse/lib/libcusparse.so.12: undefined symbol: __nvJitLinkComplete_12_4

热门推荐

weixin_43178406的博客

11-30

11万+

本文主要介绍了ImportError: /home/anaconda/lib/python3.10/site-packages/torch/lib/…/…/nvidia/cusparse/lib/libcusparse.so.12: undefined symbol: __nvJitLinkComplete_12_4, version libnvJitLink.so.12解决方案，希望能对学习大模型的同学们有所帮助。文章目录 1. 问题描述 2. 解决方案

7 条评论您还未登录，请先登录后发表或查看评论

version libnvJitLink.so.12 not defined in file libnvJitLink.so.12 with link time reference问题解决

weixin_46573159的博客

03-01

369

ImportError: /root/miniconda3/envs/self/lib/python3.8/site-packages/torch/lib/../../nvidia/cusparse/lib/libcusparse.so.12: symbol __nvJitLinkAddData_12_1, version libnvJitLink.so.12 not defined in file libnvJitLink.so.12 with link time reference

ibcusparse.so.12: undefined symbol: __nvJitLinkComplete_12_4, version libnvJitLink.so.12

liuhagen的专栏

11-16

2195

ImportError: /home/xxx/anaconda3/envs/glm-4-demo/lib/python3.12/site-packages/torch/lib/../../nvidia/cusparse/lib/libcusparse.so.12: undefined symbol: __nvJitLinkComplete_12_4, version libnvJitLink.so.12，解决此问题。

python 深度学习记录遇到的报错问题11

水w的博客

01-02

2774

记录遇到的报错问题

解决libcusparse.so.12: undefined symbol: __nvJitLinkAddData_12_1, version libnvJitLink.so.12

夏小悠的博客

06-10

1万+

解决libcusparse.so.12: undefined symbol: __nvJitLinkAddData_12_1, version libnvJitLink.so.12

【pytorch】解决libcusparse.so.12: undefined symbol: __nvJitLinkAddData_12_1, version libnvJitLink.so.12

andeyeluguo的博客

08-07

7778

解决libcusparse.so.12: undefined symbol: __nvJitLinkAddData_12_1, version libnvJitLink.so.12_libcusparse.so.12: undefined symbol。有个外国博客讨论这个问题比较多，可以参考。环境换成你自己的即可。

运行ms-swift出现undefined symbol: __nvJitLinkComplete_12_4, version libnvJitLink.so.12怎么解决

FQ_LY的博客

01-14

411

【解决】torch引入过程中的ImportError: __nvJitLinkAddData_12_1, version libnvJitLink.so.12

最新发布

丑小鸭

04-19

923

明显看出 libnvJitLink.so.12 使用的是系统 nvidia 驱动自带的链接文件，由于程序安装过程中，在环境中下载了虚拟环境适配的 nvidia 相关文件，所以此处在 import torch 时出现了import error。上述操作完成，该问题即可解决。可以使用 import torch 做测试。本文记录在环境配置好后，在 import torch 过程中报了异常。这里主要关注带箭头的两个文件夹。出现此情况的原因主要是。

解决Bug:libcusparse.so.12: undefined symbol: __nvJitLinkAddData_12_1, version libnvJitLink.so.12

qq_62815090的博客

01-17

705

解决服务器bug ： libcusparse.so.12: undefined symbol: __nvJitLinkAddData_12_1, version libnvJitLink.so.12 最详细解释实测有效！

【python报错】libcusparse.so.12: undefined symbol: __nvJitLinkAddData_12_1, version libnvJitLink.so.12

qq_31638897的博客

12-16

342

参考：https://blog.csdn.net/qq_42730750/article/details/139582293。

【debug日记】/nvidia/cusparse/lib/libcusparse.so.12: undefined symbol: __nvJitLinkComplete_12_4, version

verse_armour的博客

02-22

2003

通过以上步骤，我们成功解决了 PyTorch 中的 libnvJitLink.so.12 报错问题。问题的根本原因在于 CUDA 库路径未正确配置，导致 PyTorch 无法加载所需的动态链接库。通过将库路径添加到 LD_LIBRARY_PATH，并验证路径是否生效，我们可以确保程序能够正确运行。希望这篇文章能够帮助遇到类似问题的开发者快速定位并解决问题。如果你有其他疑问或建议，欢迎在评论区留言。

记一次torch libnvJitLink.so.12报错解决

wexample的博客

11-02

3327

然而，第二次这个方法就不管用了。我仔细比对了两次出问题时候环境发生的改变，发现这一次我使用的虚拟环境中的cudatoolkit没有安装，于是。在此之前也曾遇到过一次相同的问题，当时采用。

Pytorch部分报错问题

shuaikang9864的博客

11-14

1万+

比较暴力的方法是直接重装torch可以解决大部分问题，直接去pytorch官网，安装对应版本的torch，建议使用conda安装，可以直接安装，无需卸载操作。问题报错：undefined symbol: __nvJitLinkAddData_12_1, version libnvJitLink.so.12。可能是直接安装环境时，torch版本和机器上本身安装的cuda版本不符合，或者torch没有完全安装导致。如果是nvidia-smi中，cuda版本为12.0，可以选择12.X版本，都可以使用。

undefined symbol: __nvJitLinkComplete_12_4, version libnvJitLink.so.12 问题解决

zwhszdx的博客

11-22

3338

ImportError: /data/conda/envs/opencompass/lib/python3.10/site-packages/torch/lib/../../nvidia/cusparse/lib/libcusparse.so.12: undefined symbol: __nvJitLinkComplete_12_4, version libnvJitLink.so.12问题解决

undefined symbol: __nvJitLinkComplete_12_4, version libnvJitLink.so.12

jzwei023的博客

02-11

1152

ImportError: /opt/conda/lib/python3.10/site-packages/torch/lib/../../nvidia/cusparse/lib/libcusparse.so.12: undefined symbol: __nvJitLinkComplete_12_4, version libnvJitLink.so.12

torch.inverse报错及其解决办法

momo的博客

05-15

5838

网上也查不到相应的解决方法，也不是GPU显存不够出现的问题，因此选择使用cpu进行计算，然后再放到cuda上。原因是少安装了libnvJitLink.so.12这个库，在安装完之后依旧出现报错。

ImportError: undefined symbol: __nvJitLinkComplete_12_4, version libnvJitLink.so.12

12-31

### 解决 `ImportError` 和未定义符号 `__nvJitLinkComplete_12_4` 当遇到类似于 `ImportError: ... undefined symbol: __nvJitLinkComplete_12_4, version libnvJitLink.so.12` 的错误时，这通常意味着 CUDA 或 NVIDIA 工具包中的某些库文件存在版本不兼容或损坏的情况。 #### 可能的原因此类问题可能由以下几个原因引起： - 安装过程中出现了中断或异常情况，导致部分依赖项未能正确安装。 - 使用的不同软件组件之间的版本冲突，特别是 CUDA 版本与 PyTorch 所需版本不符。 - 系统环境变量配置不当，使得加载了错误路径下的共享库[^1]。 #### 解决策略为了修复这个问题，可以尝试以下几种方法之一来解决问题： ##### 方法一：重新安装CUDA工具链及相关驱动程序通过卸载现有CUDA并按照官方文档指导全新安装最新稳定版的CUDA Toolkit以及相应的显卡驱动。确保下载适合当前操作系统的版本，并遵循所有提示完成整个过程。 ##### 方法二：更新PyTorch至匹配版本如果不想更改现有的CUDA设置，则可以选择调整Python环境中使用的PyTorch版本以适应已有的CUDA版本。可以通过pip命令指定特定版本号来进行安装: ```bash pip install torch torchvision torchaudio --extra-index-url https://download.pytorch.org/whl/cu113 ``` 请注意上述URL中的cu113代表适用于CUDA 11.3的构建；应根据实际情况替换为合适的标签[^2]。 ##### 方法三：清理缓存重试有时本地编译缓存也可能引发类似的链接失败现象。清除掉~/.cache目录下相关内容后再做一次完整的环境重建可能会有所帮助。 ##### 方法四：检查动态链接器配置确认/etc/ld.so.conf.d内的配置文件是否包含了指向正确位置的行项目，必要时添加缺失条目并将变更应用到全局范围(`sudo ldconfig`)。另外还需验证LD_LIBRARY_PATH环境变量里是否有干扰性的自定义设定影响到了正常查找流程[^3]。