Linux服务器中已经检索到GPU显卡,但是使用过程中无法正常运行,如何解决?

一边学习，一边总结，一边分享！

我们这里使用的是西柚服务器，他们的下载网络确实很快，有国际专线，前面我们在zenodo数据中下载T2T泛基因组，轻轻松松搞定，2026年Pan-genome可能作为顶刊的一个方向，如何快速下载T2T-Pan-genome数据？。立减券：西柚云服务器立减优惠活动，或输入优惠码：BioinfoDu。

网址：

https://dayu.xiyoucloud.net/dayu/api/v1/anonymous/affiliate/BioinfoDu

写在前面

我们前面分享了在Linux中安装omicverse / OmicClaw，Bulk RNA和单细胞分析“信手捏来”？和在Linux服务器中部署omicverse-web。最近，将前期闲置的显卡放到服务器中，在做相关的配置时，发现在运行omicverse时，显卡无法正常使用。因此，也基于此次契机，记录一下解决方案。

我们遇到的问题，可能各有不同，主要问题基本是：相关python包不兼容的问题。

使用GPU 加速安装omicverse

使用开发者的给教程进行安装，但此方法可能还是由于各服务器系统、配置、环境等因素，会导致存在一些问题。

# 1. 创建新的 conda 环境conda create -n rapids python=3.11# 2. 使用 conda 安装 RAPIDSconda install rapids=24.04 -c rapidsai -c conda-forge -c nvidia -y   # 3. 安装额外的 RAPIDS 组件conda install cudf=24.04 cuml=24.04 cugraph=24.04 cuxfilter=24.04 cucim=24.04 pylibraft=24.04 raft-dask=24.04 cuvs=24.04 -c rapidsai -c conda-forge -c nvidia -y   # 4. 安装 rapids-singlecellpip install rapids-singlecell# 5. 安装 OmicVersecurl -sSL https://raw.githubusercontent.com/Starlitnightly/omicverse/refs/heads/master/install.sh | bash -s

难点，我们自己GPU显卡已经安装，且可以看到，如图所示。但是，无法在 omicverse中识别

nvidia-smi

运行过程中无法识别出GPU：

import omicverse as ovimport scanpy as scimport pandas as pdimport numpy as npov.plot_set(font_path='Arial')

问题:

1. 可能是对应的Python包未安装
2. 可能是CUDA 软件未安装
3. ................... ** 目前我们遇到的问题是未安装CUDA  ？？**

CUDA  安装

软件下载网址

https://developer.nvidia.cn/cuda-downloads?target_os=Linux&target_arch=x86_64&Distribution=Ubuntu&target_version=22.04&target_type=runfile_local

选择自己系统的版本

下载

wget https://developer.download.nvidia.com/compute/cuda/12.4.1/local_installers/cuda_12.4.1_550.54.15_linux.runsudo sh cuda_12.4.1_550.54.15_linux.run

软件比较大，有4.2GB。

$ du -sh cuda_12.4.1_550.54.15_linux.run 4.2G	cuda_12.4.1_550.54.15_linux.run

安装选项

1. 如果你前期没有安装其他相关软件，可以选择默认参数安装
2. 若是，你安装失败，可以看一下是否有软件冲突

以上是小编遇到的问题，如何解决？

Driver [X]   ← ❌ 取消勾选！！

Toolkit [X]  ← ✅ 保留

● ❌ 不安装 Driver ●  ✅ 只安装 CUDA Toolkit

验证安装是否成功

进入python

$ python>>> import cupy>>> print("GPU count:", cupy.cuda.runtime.getDeviceCount())GPU count: 1>>> exit()

修复 ImportError: libcudart.so.12: cannot open shared object file: No such file or directory

可能你也会遇到这样的情况

 >>> import cupy Traceback (most recent call last):  File "/home/Data/kanghua/mambaforge/envs/rapids/lib/python3.10/site-packages/cupy/__init__.py", line 17, in <module> from cupy import _core # NOQA File "/home/Data/kanghua/mambaforge/envs/rapids/lib/python3.10/site-packages/cupy/_core/__init__.py",  line 3, in <module> from cupy._core import core # NOQA ImportError: libcudart.so.12: cannot open shared object file: No such file or directory The above exception was the direct cause of the following exception: Traceback (most recent call last): File "<stdin>", line 1, in <module> File "/home/Data/kanghua/mambaforge/envs/rapids/lib/python3.10/site-packages/cupy/__init__.py", line 19, in <module> raise ImportError(f'''  ImportError: ================================================================  Failed to import CuPy.  If you installed CuPy via wheels (cupy-cudaXXX or cupy-rocm-X-X), make sure that the package matches with the version of CUDA or ROCm installed.  On Linux, you may need to set LD_LIBRARY_PATH environment variable depending on how you installed CUDA/ROCm.  On Windows, try setting CUDA_PATH environment variable. Check the Installation Guide for details: https://docs.cupy.dev/en/latest/install. html Original error: ImportError: libcudart.so.12: cannot open shared object file: No such file or directory  

问题：

❌ CuPy 报错：libcudart.so.12 not found

✅ 你已经安装了 CUDA 12.4 Toolkit

修复

1. 第一步：确认库确实存在

ls /usr/local/cuda-12.4/lib64/libcudart.so.12*

1. 第二步：让系统认识 CUDA 库

sudo sh -c 'echo /usr/local/cuda-12.4/lib64 > /etc/ld.so.conf.d/cuda.conf'sudo ldconfig

1. 第三步：验证是否修复成功

ldconfig -p | grep libcudart

python -c "import cupy; print(cupy.cuda.runtime.getDeviceCount())"

安装的 CUDA  与版本不对，导致在omicverse中无法正确识别GPU

1. 检查，使用pip检查

pip list | grep torch

问题是什么？

● CuPy = ✅ GPU可用

●  OmicVerse = ❌ 无GPU

2. 版本是否一致

❗ 这里就是问题根源

👉 你的 PyTorch 是：

● CUDA 13.0（cu130）版本

●  但你系统实际是：CUDA 12.4

⚠️ 为什么这会导致 OmicVerse 检测不到 GPU？

PyTorch GPU 是否可用取决于：

👉 PyTorch 编译时的 CUDA版本 ≠ 系统 CUDA版本 → GPU 不可用

目前可能出现的问题：

项目 版本

系统 CUDA 12.4

CuPy 12.x ✅

PyTorch cu130 ❌

👉 结果：

●  CuPy → 正常（用的是 CUDA 12）

●  PyTorch → ❌ GPU不可用

●  OmicVerse → ❌ 认为没有 GPU

解决方法

1. 重新安装

卸载已安装的包，安装正确版本

pip uninstall torch -ypip install torch --index-url https://download.pytorch.org/whl/cu121

查看对应的包

pip list | grep torch

如果你安装torch时出现以下报错

卸载torchvision后

pip uninstall torchvision -y

重新执行以下命令

pip install torchvision==0.20.1 --index-url https://download.pytorch.org/whl/cu121

完成！！

 若我们的教程对你有所帮助，请点赞+收藏+转发，这是对我们最大的支持。