PyTorch导入报错：libcublasLt.so.11符号未定义的解决方法

错误根源：该问题由CUDA相关库（cublas、cublasLt）版本不兼容、文件损坏或路径冲突导致，PyTorch加载时无法找到正确的符号定义。

以下是具体解决步骤：

• 检查版本兼容性
  确认PyTorch与CUDA版本匹配：

  • 若能临时绕过导入错误，执行python -c "import torch; print(torch.version.cuda)"查看PyTorch依赖的CUDA版本
  • 执行nvcc --version查看系统当前CUDA版本，确保两者符合官方兼容要求

• 重新安装匹配的CUDA Toolkit
  若版本不兼容，先卸载现有CUDA：

  • Ubuntu系统：sudo apt-get purge nvidia-cuda-toolkit
  • Conda环境：conda remove cuda
    安装对应版本的CUDA后，配置环境变量（以CUDA 11.3为例）：

  export PATH=/usr/local/cuda-11.3/bin:$PATH
  export LD_LIBRARY_PATH=/usr/local/cuda-11.3/lib64:$LD_LIBRARY_PATH
  

• 修复PyTorch及CUDA依赖
  卸载现有PyTorch组件：

  • Pip：pip uninstall torch torchvision torchaudio -y
  • Conda：conda remove torch torchvision torchaudio -y
    安装对应CUDA版本的PyTorch（以CUDA 11.8为例）：
  • Conda安装：

  conda install pytorch torchvision torchaudio pytorch-cuda=11.8 -c pytorch -c nvidia
  

  • Pip安装：

  pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118
  

• 重建干净的Conda环境
  若环境存在顽固冲突，直接重建：

  conda remove -n metalearning_gpu --all -y
  conda create -n metalearning_gpu python=3.9 -y
  conda activate metalearning_gpu
  conda install pytorch torchvision torchaudio pytorch-cuda=11.8 -c pytorch -c nvidia
  

• 修复库路径优先级
  检查系统中libcublasLt.so.11的位置：

  find / -name libcublasLt.so.11 2>/dev/null
  

  确保Conda环境的库路径优先加载，激活环境后执行：

  export LD_LIBRARY_PATH=$CONDA_PREFIX/lib:$LD_LIBRARY_PATH
  

  可将该命令添加到环境的activate脚本中，实现永久生效

内容的提问来源于stack exchange，提问作者Charlie Parker