运行Matterport Mask RCNN时TensorFlow原生运行库加载失败及兼容版本咨询

错误根因 #

你当前遇到的libcusolver.so.8.0: cannot open shared object file报错，核心原因是AWS EC2实例上安装的CUDA版本和你所用的TensorFlow 1.3.0 GPU版依赖不匹配，TensorFlow 1.3 GPU版必须搭配CUDA 8.0 + cuDNN v6运行，缺失对应版本的CUDA动态链接库就会触发TensorFlow原生运行时加载失败。

官方适配版本要求 #

Matterport官方原生Mask RCNN代码的兼容版本范围如下，你当前用的Keras 2.0.8、Python 3.6均符合要求，无需调整：

• TensorFlow：1.3 ~ 1.15 （优先选择1.5、1.13.1两个经过大量用户验证的稳定版本，原生代码不支持TensorFlow 2.x）
• Keras：2.0.8 ~ 2.2.5
• Python：3.5 ~ 3.6

解决步骤 #

方案一：保留GPU加速（推荐） #

1. 卸载EC2实例上现有不匹配的CUDA、cuDNN版本，安装CUDA 8.0 + cuDNN v6
2. 配置CUDA路径环境变量，在运行Mask RCNN代码前，先在Jupyter cell中执行：

import os
os.environ['LD_LIBRARY_PATH'] = '/usr/local/cuda-8.0/lib64:/usr/local/cuda-8.0/extras/CUPTI/lib64'

如果需要永久生效，将上述路径追加到~/.bashrc文件末尾，执行source ~/.bashrc后重启Jupyter服务即可。

方案二：临时使用CPU版快速验证 #

如果暂时不需要GPU加速，可直接替换为CPU版TensorFlow规避CUDA依赖问题：

pip uninstall -y tensorflow-gpu
pip install tensorflow==1.3.0

该版本无需CUDA支持，可直接运行你的演示代码，仅推理速度会慢于GPU版本。

验证方式 #

配置完成后先执行以下代码验证依赖导入正常：

import tensorflow as tf
import keras
print("TensorFlow版本：", tf.__version__)
print("Keras版本：", keras.__version__)

无报错且输出版本号符合适配范围，即可继续运行你现有的Mask RCNN代码片段。

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