动手学深度学习d2l报错问题及解决过程
动手学深度学习d2l报错问题及解决过程
背景：前一周因为各种事情耽误没有继续学习动手学深度学习的课程，但是这两天我在继续学习时发现程序不能正常运行。尝试了很久，也用了各种方法，花费了大量时间。记录下来一是给我未来遇到同样问题时能够更快地解决，也希望给其他人一个参考。
在这次解决报错过程中，遇到了非常多的错误，部分错误找到了原因后成功解决，部分错误只能通过重装环境解决，并未理解错误的原因。
本来发到了个人博客中，不过想到互联网中能搜到解决方法太少，而我的博客很难搜到，所以分享到知乎。知乎导入markdown的功能是真难用，导入后错误很多。
报错1：RuntimeError: Detected that PyTorch and torchvision were compiled with different CUDA versions. PyTorch has CUDA Version=11.7 and torchvision has CUDA Version=11.8. Please reinstall the torchvision that matches your PyTorch install.
我最初下载的就是CUDA11.8，之前运行一直没有报错，但突然运行报错CUDA版本不匹配。原因不清楚。我最近两周在使用大语言模型，频繁下载删除很多CUDA，此时我怀疑是我不小心使用d2l的conda环境并且下载了什么东西导致了冲突。既然冲突，我就只能切换CUDA版本:
conda install pytorch torchvision torchaudio pytorch-cuda=11.7 -c pytorch -c nvidia报错2：ValueError: numpy.ndarray size changed, may indicate binary incompatibility. Expected 96 from C header, got 88 from PyObject
切换CUDA版本后依然无法运行，此时这个警告信息表示Numpy库在读取数组时与C头文件不兼容，可能会导致错误或异常结果。这通常是由于不同版本的Numpy库之间的二进制不兼容性引起的。确定是numpy的问题，于是更新numpy:
conda install numpy报错后仍然有错误，提示：
报错3:ERROR: pip's dependency resolver does not currently take into account all the packages that are installed. This behaviour is the source of the following dependency conflicts.d2l 0.17.6 requires numpy==1.21.5, but you have numpy 1.24.3 which is incompatible.
d2l所依赖的numpy版本是1.21.5，更新后虽然解决了报错2，但是引起了其他问题！此时陷入了进退两难，但此时我并未认识到这是d2l的错误，我潜意识认为是我用其他环境时不小心改变了d2l的环境。于是我多次重新建立conda环境并安装CUDA等，浪费了大量时间！
报错4：module 'torch' has no attribute '_six'
装CUDA的时候遇到了一次这个问题，但我明明使用conda list|_six 能找到。之后搜索无果后再次重装。具体解决方法不清楚。
报错2仍未解决！所以我重装conda环境后，把问题重心放到了解决报错2。
机缘巧合我在d2l的官方仓库搜到了相同的提问，但是没有答案！于是我顺藤摸瓜继续在d2l的issue中找相似的问题。功夫不负有心人，我找到了解决方法：
简单解释：这是d2l的bug,和numpy不兼容，已经在d2l==1.0.0-alpha0版本修复。
解决方法 ：更新d2l版本：
pip install d2l==1.0.0-alpha0报错5：jupyter notebook的一系列错误
重装时jupyter也出现了很多错误，比如：
弹窗一个文件，内容经过搜索是跳转到浏览器的html代码，但我用的是WSL2，没有安装浏览器，它又不可能安装。不清楚怎么解决，重装conda环境后已经没有这个错误了。
总之，这个阶段按照教程总是有各种各样的报错，让人崩溃的连环报错。无解，只能重装conda环境。
报错6：AssertionError Could not load library libcudnn_cnn_infer.so.8. Error: libcuda.so: cannot open shared object file: No such file or directory
更新d2l后仍然不能正确运行结果！此时只有少量的笔记可以正常执行，大部分笔记都不能运行。错误也十分奇怪，内核突然挂掉，只显示：内核似乎挂掉了，它很快将自动重启。jupyter notebook页面上甚至没有报错。仔细查找WSL2命令行才找到报错，询问Claude后发现：是因为没装cuDNN。只能尝试装cuDNN库。（但我之前没装也没报错啊）
解决方法：装cuDNN
安装cuDNN:
-
在
CUDA官网
中找到对应版本的cuDNN，我安装的是CUDA12.0，所以下载了这个：
cuDNN v8.8.1 (March 8th, 2023), for CUDA 12.x
-
下载完成后移动到WSL2中，位置随意。下载完成后解压：
shell sudo tar -xvf cudnn** #**部分用tab自动补全 解压后进入文件夹中
- 然后把解压得到的文件分别拷贝到对应的文件夹：
#以下是安装命令
sudo cp -r /lib/ /usr/local/cuda-12.0（自己检查具体的版本修改路径）/lib64/
sudo cp -r /include/ /usr/local/cuda-12.0（自己检查具体的版本修改路径）/include/
#为更改读取权限：