<think>我们正在处理的是Mac系统下Python代码运行时出现的"CUDA_HOME environment variable is not set"错误。根据引用[2]中的信息，Mac用户可能会遇到类似的问题，并且有一些特定的解决方法，比如创建符号链接来解决动态库找不到的问题。但是，首先我们需要确保CUDA_HOME环境变量被正确设置。 在Mac上，通常CUDA Toolkit的默认安装路径是`/usr/local/cuda`。如果用户通过NVIDIA官方安装包安装了CUDA，那么应该存在这个目录。如果用户使用其他方式安装（比如Homebrew），路径可能会不同。 解决步骤： 1. **确认CUDA Toolkit是否已安装**： - 打开终端，运行以下命令检查CUDA的安装： ```bash ls /usr/local/cuda ``` 如果目录存在，说明CUDA已经安装。如果不存在，则需要从[NVIDIA开发者网站](https://developer.nvidia.com/cuda-downloads)下载并安装CUDA Toolkit for Mac。 2. **设置环境变量**： - 在终端中，使用以下命令设置环境变量（以bash为例，如果是zsh则修改~/.zshrc）： ```bash echo 'export CUDA_HOME=/usr/local/cuda' >> ~/.bash_profile echo 'export PATH=$PATH:$CUDA_HOME/bin' >> ~/.bash_profile echo 'export DYLD_LIBRARY_PATH=$DYLD_LIBRARY_PATH:$CUDA_HOME/lib' >> ~/.bash_profile ``` 然后运行： ```bash source ~/.bash_profile ``` 3. **验证环境变量设置**： - 在终端中运行： ```bash echo $CUDA_HOME ``` 应该输出`/usr/local/cuda`。 4. **检查nvcc版本**： - 运行： ```bash nvcc --version ``` 如果输出类似以下内容，则CUDA编译器驱动正常： ``` nvcc: NVIDIA (R) Cuda compiler driver Copyright (c) 2005-2024 NVIDIA Corporation Built on [日期] Cuda compilation tools, release [版本号], V[版本号] ``` 5. **处理动态库链接问题（引用[2]中的方法）**： - 有时即使设置了环境变量，程序在运行时也可能找不到特定的动态库（如`libcufft.10.dylib`等）。这时可以按照引用[2]中的方法创建符号链接： ```bash sudo ln -s $CUDA_HOME/lib/libcufft.10.dylib $CUDA_HOME/lib/libcufft.10.0.dylib sudo ln -s $CUDA_HOME/lib/libcurand.10.dylib $CUDA_HOME/lib/libcurand.10.0.dylib sudo ln -s $CUDA_HOME/lib/libcublas.10.dylib $CUDA_HOME/lib/libcublas.10.0.dylib sudo ln -s $CUDA_HOME/lib/libcudart.dylib $CUDA_HOME/lib/libcudart.10.0.dylib sudo ln -s $CUDA_HOME/lib/libnvrtc.dylib $CUDA_HOME/lib/libnvrtc.10.0.dylib sudo ln -s $CUDA_HOME/lib/libcusparse.10.dylib $CUDA_HOME/lib/libcusparse.10.0.dylib ``` 注意：上面的命令是针对CUDA 10.0的，如果安装的是其他版本（如11.0、12.0等），需要将版本号替换为实际安装的版本。如果不确定，可以到`/usr/local/cuda/lib`目录下查看已有的库文件。 6. **在Python环境中验证**： - 激活你的Python环境（如果是conda环境，则使用`conda activate [环境名]`），然后运行Python，尝试导入torch并检查CUDA是否可用： ```python import torch print(torch.cuda.is_available()) ``` 如果输出为`True`，则说明问题已解决。 7. **如果问题仍然存在**： - 确保你安装的PyTorch版本与CUDA版本兼容。可以通过PyTorch官网的安装命令重新安装对应CUDA版本的PyTorch。 - 检查PyCharm等IDE的环境变量设置：有时IDE启动时不会加载`.bash_profile`或`.zshrc`中的环境变量。在PyCharm中，可以通过运行配置中的环境变量设置手动添加`CUDA_HOME`和`DYLD_LIBRARY_PATH`（引用[4]中提到类似问题）。 8. **使用虚拟环境（引用[5]）**： - 为了避免环境混乱，建议使用虚拟环境。在Mac上，可以使用`conda`或`venv`创建虚拟环境，并在其中安装所需的包。 注意：在较新的MacOS版本（如Catalina及以上）中，系统默认使用zsh，因此需要将环境变量添加到`~/.zshrc`中。 总结：在Mac上解决此问题的关键在于正确设置CUDA_HOME环境变量，并确保动态库路径被正确链接。同时，注意版本兼容性和IDE的环境变量加载问题。 如果按照以上步骤操作后仍然无法解决，可能需要检查CUDA Toolkit安装是否完整，或者考虑重新安装CUDA Toolkit。 §§相关问题§§ 1. 如何在Mac上安装多个CUDA版本并切换？ 2. MacOS升级后CUDA不可用怎么办？ 3. 如何在PyCharm中设置环境变量？ </think> ### Mac系统下解决Python代码运行时"CUDA_HOME未设置"错误 在Mac系统上解决CUDA_HOME环境变量未设置错误，需要执行以下步骤： #### 1. **确认CUDA Toolkit安装** - 检查默认安装路径： ```bash ls /usr/local/cuda ``` 如果存在该目录，说明CUDA已安装[^3] - 验证nvcc编译器： ```bash nvcc --version ``` 应显示类似输出： ``` nvcc: NVIDIA (R) Cuda compiler driver Built on [日期] Cuda compilation tools, release [版本号] ``` #### 2. **设置环境变量** - 编辑Shell配置文件： ```bash # 对于zsh用户 vim ~/.zshrc # 对于bash用户 vim ~/.bash_profile ``` - 添加以下内容： ```bash export CUDA_HOME=/usr/local/cuda export PATH=$PATH:$CUDA_HOME/bin export DYLD_LIBRARY_PATH=$DYLD_LIBRARY_PATH:$CUDA_HOME/lib ``` - 使配置生效： ```bash source ~/.zshrc # 或 source ~/.bash_profile ``` #### 3. **修复动态库链接问题** 参考引用[2]创建符号链接： ```bash sudo ln -s $CUDA_HOME/lib/libcufft.10.dylib $CUDA_HOME/lib/libcufft.10.0.dylib sudo ln -s $CUDA_HOME/lib/libcurand.10.dylib $CUDA_HOME/lib/libcurand.10.0.dylib sudo ln -s $CUDA_HOME/lib/libcublas.10.dylib $CUDA_HOME/lib/libcublas.10.0.dylib sudo ln -s $CUDA_HOME/lib/libcudart.dylib $CUDA_HOME/lib/libcudart.10.0.dylib sudo ln -s $CUDA_HOME/lib/libnvrtc.dylib $CUDA_HOME/lib/libnvrtc.10.0.dylib sudo ln -s $CUDA_HOME/lib/libcusparse.10.dylib $CUDA_HOME/lib/libcusparse.10.0.dylib ``` #### 4. **验证Python环境** ```python import torch print("CUDA可用:", torch.cuda.is_available()) print("CUDA路径:", torch.utils.cpp_extension.CUDA_HOME) ``` 应输出： ``` CUDA可用: True CUDA路径: /usr/local/cuda ``` #### 5. **解决常见问题** - **PyCharm环境问题**：在IDE运行配置中添加环境变量： ``` CUDA_HOME=/usr/local/cuda DYLD_LIBRARY_PATH=/usr/local/cuda/lib ``` - **版本冲突**：确保安装的PyTorch版本匹配CUDA版本： ```bash pip install torch torchvision torchaudio --extra-index-url https://download.pytorch.org/whl/cu117 ``` - **虚拟环境隔离**：使用虚拟环境避免污染主环境[^5]： ```bash python -m venv myenv source myenv/bin/activate ``` #### 6. **完整安装检查清单** | 检查项 | 命令 | 预期输出 | |--------|------|----------| | CUDA路径 | `echo $CUDA_HOME` | `/usr/local/cuda` | | nvcc版本 | `nvcc --version` | CUDA编译器版本信息 | | 动态库链接 | `ls -l /usr/local/cuda/lib/*.10.dylib` | 所有库正确链接 | | PyTorch识别 | `python -c "import torch; print(torch.cuda.is_available())"` | `True` | > **注意**：Mac系统对CUDA的支持有限，最新M系列芯片需使用Metal后端。Intel芯片Mac建议使用CUDA 11.x版本以获得最佳兼容性[^1]。