Ubuntu安装ThunderGBM后导入报错libcusparse.so.10.0不存在

报错根因 #

你安装的 ThunderGBM 0.3.16 官方预编译 pip 包基于 CUDA 10.0 版本构建，运行时必须依赖 CUDA 10.0 提供的 libcusparse 动态库，当前系统未安装对应版本 CUDA 或 CUDA 环境变量未正确配置就会触发该 OSError。

解决方案 #

方案一：安装匹配的 CUDA 10.0（最稳定，推荐生产环境使用） #

• 先卸载系统中已存在的不兼容 CUDA 版本（无则跳过该步骤）
• 安装 CUDA 10.0 版本，Ubuntu 18.04.5 LTS 对该版本的兼容性良好
• 配置 CUDA 10.0 环境变量，打开 ~/.bashrc 文件，在末尾添加如下两行：

  export PATH=/usr/local/cuda-10.0/bin${PATH:+:${PATH}}
  export LD_LIBRARY_PATH=/usr/local/cuda-10.0/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}
  

• 执行 source ~/.bashrc 让配置生效
• 验证动态库是否可被识别：执行 ldconfig -p | grep libcusparse.so.10.0，有输出即说明配置完成，此时重新导入 ThunderGBM 即可正常运行

方案二：基于现有 CUDA 版本源码编译 ThunderGBM（适配高版本 CUDA 场景） #

如果系统已安装更高版本 CUDA（如 CUDA 11.x）不想降级到 10.0，可以选择从源码编译适配当前环境：

• 确认当前 CUDA 版本与 NVIDIA 驱动版本匹配，已安装对应版本 cuDNN、cmake 等编译依赖
• 下载 ThunderGBM 源码，进入源码的 python 包目录
• 执行 python setup.py install 完成编译安装，编译过程会自动适配当前 CUDA 版本，不会再依赖 CUDA 10.0 相关动态库

方案三：软链接临时兼容（仅适合测试场景，不推荐生产使用） #

如果只是临时测试不想改动CUDA环境，可以通过软链接用高版本libcusparse兼容：

• 先查找系统中已存在的高版本 libcusparse 路径：find /usr/local/ -name "libcusparse.so.*"
• 为高版本库创建指向 10.0 版本的软链接，示例命令（替换为你实际的库路径）：
  sudo ln -s /usr/local/cuda/lib64/libcusparse.so.xx.x /usr/local/cuda/lib64/libcusparse.so.10.0
• 执行 sudo ldconfig 更新动态库缓存即可，该方案可能因版本接口差异出现运行时异常，不要用于生产环境

内容的提问来源于stack exchange，提问作者arilwan