Colab中CMake运行时目录路径解析失败及libcudnn冲突解决求助

以下是几种可行的解决方案，按优先级排序：

1. 强制CMake优先搜索libtorch内的库 #

在项目根目录的CMakeLists.txt开头添加以下配置，让CMake优先查找libtorch自带的cudnn库，跳过系统路径中的冲突版本：

# 将libtorch的lib目录插入到库搜索路径最前端
list(INSERT CMAKE_LIBRARY_PATH 0 "${CMAKE_CURRENT_SOURCE_DIR}/libtorch/lib")

# 单独指定cudnn库的搜索路径，确保优先使用libtorch版本
find_library(CUDNN_LIBRARY cudnn PATHS "${CMAKE_CURRENT_SOURCE_DIR}/libtorch/lib" NO_DEFAULT_PATH)
if(CUDNN_LIBRARY)
  link_libraries(${CUDNN_LIBRARY})
endif()

添加完成后，清除旧构建缓存并重新执行CMake：

!rm -rf build
!cmake -B build

2. 调整运行时搜索路径（RPATH） #

通过设置RPATH，让编译后的二进制文件优先加载libtorch目录下的库，避免运行时路径冲突。在CMakeLists.txt中添加：

# 为目标设置优先RPATH
set_target_properties(pytorch-cpp image-io PROPERTIES
  INSTALL_RPATH "${CMAKE_CURRENT_SOURCE_DIR}/libtorch/lib"
  BUILD_WITH_INSTALL_RPATH TRUE
)

重新构建即可生效。

3. 执行CMake时临时指定库搜索路径 #

不修改配置文件，直接在CMake命令中强制指定优先搜索libtorch的路径：

!cmake -B build \
  -DCMAKE_LIBRARY_PATH="/content/pytorch-cpp/libtorch/lib" \
  -DCMAKE_INCLUDE_PATH="/content/pytorch-cpp/libtorch/include"

4. 确认CUDA版本匹配 #

执行!nvcc --version查看Colab当前的CUDA版本，确保fetch_libtorch.cmake中设置的CUDA_V与环境版本完全一致。如果版本不匹配，修改CUDA_V为对应版本后，删除libtorch目录重新克隆构建，从根源避免版本冲突。

内容的提问来源于stack exchange，提问作者adamW