WSL/Ubuntu环境运行Python deepqmc库报MAGMA未初始化错误如何解决？

该报错由GPU高性能线性代数计算库MAGMA触发，通常有两个核心诱因：

1. MAGMA库未被正确初始化，程序调用相关接口时没有检测到生效的MAGMA运行环境
2. 环境内PyTorch、CUDA、MAGMA三者版本不匹配，无法完成依赖联动

你可以正常启动训练流程，说明代码本身没有语法问题，仅在运行到需要调用MAGMA做GPU加速线性代数运算的环节才触发错误。

• 优先切换线性代数后端规避MAGMA调用，在训练脚本的最开头添加如下代码：

import torch
torch.backends.cuda.preferred_linalg_library("cusolver")

该配置会强制PyTorch使用cusolver替代MAGMA完成线性代数计算，适配绝大多数DeepQMC的训练场景，不需要修改其他训练逻辑。

• 重装匹配版本的依赖栈，卸载当前环境的PyTorch、MAGMA相关包后，安装与你CUDA版本完全匹配的依赖组合，以CUDA 11.8为例，执行命令：

conda install pytorch==2.0.1 torchvision==0.15.2 torchaudio==2.0.2 pytorch-cuda=11.8 magma-cuda118 -c pytorch -c nvidia -c conda-forge

安装完成后重启运行环境再启动训练即可。

• 通过环境变量禁用MAGMA，运行训练脚本前在终端执行如下命令：

export PYTORCH_USE_CUSOLVER=1

WSL环境与原生Ubuntu环境均适用该配置，无需修改代码即可生效。

• 验证GPU设备有效性，运行如下代码确认CUDA环境配置正常：

import torch
print(torch.cuda.is_available())
print(torch.cuda.get_device_name(0))

若第一条输出为False，说明CUDA与显卡驱动本身存在配置问题，需要先修复CUDA环境后再执行上述操作。

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