jupyter notebook进入后报错,找不到cuda10.0的库,但是我安装的是cuda10.1

安装和配置问题反馈,请提供如下信息以帮助更好地诊断问题,社区也会更乐于提供帮助。

环境

参考python脚本 https://raw.githubusercontent.com/apache/incubator-mxnet/master/tools/diagnose.py

或者帖子 系统信息反馈脚本

把脚本输出文本粘贴在下面

#脚本输出:

----------Python Info----------
Version      : 3.7.3
Compiler     : GCC 7.3.0
Build        : ('default', 'Mar 27 2019 22:11:17')
Arch         : ('64bit', '')
------------Pip Info-----------
Version      : 19.1.1
Directory    : /home/zhangfan/miniconda3/lib/python3.7/site-packages/pip
----------MXNet Info-----------
Version      : 1.5.0
Directory    : /home/zhangfan/miniconda3/lib/python3.7/site-packages/mxnet
Commit Hash   : f67d0675391f9c84787711435df06ceb263f506b
----------System Info----------
Platform     : Linux-5.0.0-13-generic-x86_64-with-debian-buster-sid
system       : Linux
node         : zhangfan-HP-Pavilion-Laptop-14-ce0xxx
release      : 5.0.0-13-generic
version      : #14-Ubuntu SMP Mon Apr 15 14:59:14 UTC 2019
----------Hardware Info----------
machine      : x86_64
processor    : x86_64
架构:           x86_64
CPU 运行模式:   32-bit, 64-bit
字节序:         Little Endian
Address sizes:   39 bits physical, 48 bits virtual
CPU:             8
在线 CPU 列表:  0-7
每个核的线程数: 2
每个座的核数:   4
座:             1
NUMA 节点:      1
厂商 ID:        GenuineIntel
CPU 系列:       6
型号:           142
型号名称:       Intel(R) Core(TM) i7-8550U CPU @ 1.80GHz
步进:           10
CPU MHz:        2403.230
CPU 最大 MHz:   4000.0000
CPU 最小 MHz:   400.0000
BogoMIPS:       3984.00
虚拟化:         VT-x
L1d 缓存:       32K
L1i 缓存:       32K
L2 缓存:        256K
L3 缓存:        8192K
NUMA 节点0 CPU: 0-7
标记:           fpu vme de pse tsc msr pae mce cx8 apic sep mtrr pge mca cmov pat pse36 clflush dts acpi mmx fxsr sse sse2 ss ht tm pbe syscall nx pdpe1gb rdtscp lm constant_tsc art arch_perfmon pebs bts rep_good nopl xtopology nonstop_tsc cpuid aperfmperf tsc_known_freq pni pclmulqdq dtes64 monitor ds_cpl vmx est tm2 ssse3 sdbg fma cx16 xtpr pdcm pcid sse4_1 sse4_2 x2apic movbe popcnt tsc_deadline_timer aes xsave avx f16c rdrand lahf_lm abm 3dnowprefetch cpuid_fault epb invpcid_single pti ssbd ibrs ibpb stibp tpr_shadow vnmi flexpriority ept vpid ept_ad fsgsbase tsc_adjust bmi1 avx2 smep bmi2 erms invpcid mpx rdseed adx smap clflushopt intel_pt xsaveopt xsavec xgetbv1 xsaves dtherm ida arat pln pts hwp hwp_notify hwp_act_window hwp_epp flush_l1d
----------Network Test----------
Setting timeout: 10
Timing for MXNet: https://github.com/apache/incubator-mxnet, DNS: 0.0011 sec, LOAD: 1.3294 sec.
Timing for Gluon Tutorial(en): http://gluon.mxnet.io, DNS: 0.1176 sec, LOAD: 1.4847 sec.
Timing for Gluon Tutorial(cn): https://zh.gluon.ai, DNS: 0.0051 sec, LOAD: 1.3477 sec.
Timing for FashionMNIST: https://apache-mxnet.s3-accelerate.dualstack.amazonaws.com/gluon/dataset/fashion-mnist/train-labels-idx1-ubyte.gz, DNS: 0.0576 sec, LOAD: 2.0448 sec.
Timing for PYPI: https://pypi.python.org/pypi/pip, DNS: 0.0044 sec, LOAD: 5.5755 sec.
Timing for Conda: https://repo.continuum.io/pkgs/free/, DNS: 0.0046 sec, LOAD: 2.5664 sec.


### 问题的记录
请贴相关的问题记录/stack-trace,而不是截图
    **在Jupyter notebook进入页面后,#import mxnet就报错:**
    **OSError: libcudart.so.10.0: cannot open shared object file: No such file or directory**
    **看提示我找不到10.0的库,可实际上我安装的是10.1 。我把envirnmonent.yml里面也改为mxnet-gpu101了,还是报错**

### 怎样复现问题
比如经过什么步骤出现了当前的错误

### 尝试过的解决方法
1. 
2. 
现在的状况:

### 其他
如果你对问题有一定的想法,可以提供一些其他细节

比如你认为问题和CPU架构有关,可以打出CPU的指令集贴在这里:

lscpu

或者和gpu有关,比如N卡

nvidia-smi -L

±----------------------------------------------------------------------------+
| NVIDIA-SMI 418.56 Driver Version: 418.56 CUDA Version: 10.1 |
|-------------------------------±---------------------±---------------------+
| GPU Name Persistence-M| Bus-Id Disp.A | Volatile Uncorr. ECC |
| Fan Temp Perf Pwr:Usage/Cap| Memory-Usage | GPU-Util Compute M. |
|===============================+======================+======================|
| 0 GeForce MX150 Off | 00000000:01:00.0 Off | N/A |
| N/A 51C P8 N/A / N/A | 233MiB / 2002MiB | 11% Default |
±------------------------------±---------------------±---------------------+

我运行了cuda10.1里面带的例子,都是可以正常运行的,看来cuda安装是没问题的,是课件的jupyter环境没对上

环境搭建问题,建议检查软件是否安装成功,是否配置和使能环境变量等.

比如:
(1)你安装的mxnet具体是什么版本?是mxnet-cu101?

我们假设你是先安装了显卡硬件、显卡驱动、和CUDA-cudnn的.
则,你可以查询nvidia-smi反馈的信息选择mxnet的具体版本.

Thu Jan 9 08:28:34 2020
±----------------------------------------------------------------------------+
| NVIDIA-SMI 418.56 Driver Version: 418.56 CUDA Version: 10.1 |
|-------------------------------±---------------------±---------------------+
| GPU Name Persistence-M| Bus-Id Disp.A | Volatile Uncorr. ECC |
| Fan Temp Perf Pwr:Usage/Cap| Memory-Usage | GPU-Util Compute M. |
|===============================+======================+======================|
| 0 GeForce MX150 Off | 00000000:01:00.0 Off | N/A |
| N/A 51C P8 N/A / N/A | 233MiB / 2002MiB | 11% Default |
±------------------------------±---------------------±---------------------+

我看nvidia-smi显示也是cuda10.1

需要检查你运行jupyter的环境是否配置好,比如我的这张截图:


(1)这里,首先进入虚拟环境(名字是huf_mx)
(2)然后,查询安装的mxnet版本,这里是mxnet-cu100
(3)然后,查询英伟达驱动和CUDA信息,这里是cu101

===>我这有点不一样,我的环境安装的是mxnet-cu100,但显示的是cuda10.1
===>实际上,这个虚拟环境并没有使用用户默认的cuda,是另外加载的cuda库(因为我搭建了多CUDA的虚拟环境)
===>现在我们看一下,在激活这个虚拟环境时做的事:就是添加cuda100到环境变量而已,如图:

===<
还是建议检查你环境配置问题.首先你可以检查所安装的软体是否没有问题(mxnet和cuda),然后确认虚拟环境中使用了它们(查看环境变量中是否有CUDA库的路径)

安装mxnet-cu101,与cuda版本对应,试一试?

恩,是的.
先确认自己使用的一整套软件工具是不是对应的.
如果虚拟环境中使用了cuda版本10.1,那就在该虚拟环境中安装对应的mxnet版本.

重新create了一下环境,可以了,感谢大家的热心帮助!