Problemen met serverloze GPU-berekeningen oplossen

Op deze pagina vindt u informatie over het oplossen van problemen bij het gebruik van serverloze GPU-berekeningen.

Databricks Assistant kan helpen bij het vaststellen en voorstellen van oplossingen voor bibliotheekinstallatiefouten. Zie De assistent gebruiken om fouten in de rekenomgeving op te sporen.

ValueError: numpy.dtype size changed, wat mogelijk wijst op binaire incompatibiliteit. Verwachte 96 van C-header, kreeg 88 van PyObject

De fout treedt meestal op wanneer er een onjuiste overeenkomst is in de NumPy-versies die worden gebruikt tijdens het compileren van een afhankelijk pakket en de NumPy-versie die momenteel is geïnstalleerd in de runtime-omgeving. Deze incompatibiliteit treedt vaak op vanwege wijzigingen in de C-API van NumPy en is vooral merkbaar van NumPy 1.x tot 2.x. Deze fout geeft aan dat het Python-pakket dat is geïnstalleerd in het notebook mogelijk de NumPy-versie heeft gewijzigd.

Aanbevolen oplossing:

Controleer de NumPy-versie in de runtime en controleer of deze compatibel is met uw pakketten. Zie de releaseopmerkingen voor serverloze GPU-berekeningen voor omgeving 4 en omgeving 3 voor informatie over vooraf geïnstalleerde Python-bibliotheken. Als u een afhankelijkheid hebt van een andere versie van NumPy, voegt u die afhankelijkheid toe aan uw rekenomgeving.

PyTorch kan libcudnn niet vinden tijdens de installatie van torch

Wanneer u een andere versie van torchinstalleert, ziet u mogelijk de volgende fout: ImportError: libcudnn.so.9: cannot open shared object file: No such file or directory. Dit komt doordat torch alleen zoekt naar de cuDNN-bibliotheek in het lokale pad.

Aanbevolen oplossing:

Installeer de afhankelijkheden opnieuw door --force-reinstall toe te voegen tijdens installatie van torch.