CHAMP项目中libcublasLt.so.11缺失问题的解决方案

在使用CHAMP项目进行动作数据处理时，用户在执行生成DWpose数据的命令时遇到了一个常见的CUDA库依赖问题。本文将详细分析该问题的成因并提供完整的解决方案。

问题现象

当运行以下命令时：

python -m scripts.data_processors.dwpose.generate_dwpose --input transferd_result/normal --output transferd_result/dwpose

系统报错显示无法加载libonnxruntime_providers_cuda.so库，具体错误信息为：

Failed to load library libonnxruntime_providers_cuda.so with error: libcublasLt.so.11: cannot open shared object file: No such file or directory.

问题分析

这个错误通常发生在使用ONNX Runtime GPU版本时，表明系统缺少CUDA 11.x版本的cublasLt库。这可能有以下两种原因：

1. 用户安装了CUDA 12.x版本，但ONNX Runtime需要CUDA 11.x的依赖库
2. 虽然安装了CUDA 11.x，但相关库文件路径未正确配置在系统环境变量中

解决方案

针对使用CUDA 12.x环境的用户，推荐以下解决方法：

1. 确认当前CUDA版本：

nvcc --version

2. 如果确认使用CUDA 12.x，需要安装与CUDA 12.x兼容的ONNX Runtime GPU版本。可以通过pip安装特定版本：

pip install onnxruntime-gpu --upgrade

3. 对于conda用户，可以使用以下命令：

conda install -c conda-forge onnxruntime-gpu

验证解决方案

安装完成后，可以通过以下Python代码验证ONNX Runtime是否正确识别了CUDA：

import onnxruntime as ort
print(ort.get_device())
print(ort.get_available_providers())

如果输出中包含"CUDAExecutionProvider"，则表示GPU加速已正确配置。

注意事项

1. 确保系统PATH环境变量中包含CUDA的bin目录
2. 检查LD_LIBRARY_PATH(linux)或PATH(windows)是否包含CUDA的lib目录
3. 不同版本的ONNX Runtime对CUDA版本有特定要求，建议查阅官方文档确认兼容性

通过以上步骤，大多数用户应该能够解决libcublasLt.so.11缺失的问题，顺利运行CHAMP项目中的DWpose生成脚本。