前言：进行无监督学习时，通常会用到faiss-gpu用来进行聚类或者举例计算等操作。但是faiss-gpu不同版本对运行环境非常敏感，faiss-gpu版本过低会导致找不到attribute。过高则会有各种各样的莫名报错。

本机环境：

服务器版本Ubuntu 22.04.5

Driver Version: 575.64.03

CUDA Version: 12.9

显卡：A100

报错情况一：

主要已安装库：

python:3.8.20

torch:1.8.0cu111

torchvision:0.9.0cu111

发生错误时的faiss-gpu:1.7.2

遇到的问题：在计算jaccard_distance（这个方法用到了faiss库）时，计算异常缓慢，并且最终返回值异常（算得的jaccard_distance矩阵值全0）。

失败方案：思考，既然faiss-gpu对版本敏感，那直接安装faiss-gpu-cu12版本不就好了，结果安装完成后，运行项目，一开始就报错“undefined symbol: cublasLtGetEnvironmentMode, version libcublasLt.so.12”。怀疑是其cu12版本太新导致相互库之间不兼容》

解决方案：安装faiss-gpu-cu11版本，这个版本兼容显卡cuda的12.9版本，

直接在你的虚拟环境输入：pip install faiss-gpu-cu11

注意过低的python版本可能也会不兼容faiss-gpu-cu11(没尝试)。安装时可能会出现网络问题，换清华源安装即可。安装完成后faiss-gpu版本如下：

报错情况二：

主要已安装库：

python:3.7.16

torch:1.8.0cu111

torchvision:0.9.0cu111

发生错误时的faiss-gpu:1.7.2

运行项目时报错：

Faiss assertion 'err == CUBLAS_STATUS_SUCCESS' failed in void faiss::gpu::runMatrixMult(faiss::gpu::Tensor<float, 2, true>&, bool, faiss::gpu::Tensor<T, 2, true>&, bool, faiss::gpu::Tensor<IndexType, 2, true>&, bool, float, float, cublasHandle_t, cudaStream_t) [with AT = float; BT = float; cublasHandle_t = cublasContext*; cudaStream_t = CUstream_st*] at /project/faiss/faiss/gpu/utils/MatrixMult-inl.cuh:265; details: cublas failed (13): (512, 384) x (12936, 384)' = (512, 12936) gemm params m 12936 n 512 k 384 trA T trB N lda 384 ldb 384 ldc 12936

而若使用方案一的方法来解决，安装会报错，因为此时python环境已从3.8变为3.7。原因可能是其版本不支持python3.7。

解决方案：访问：Releases · faiss-wheels/faiss-wheels，找到faiss-gpu1.7.3。找到对应的python3.7版本，离线下载后，将文件传到服务器上安装

例：你将下载好的文件放在/home/zhangsan。cd /home/zhangsan后在虚拟环境内输入

pip install /home/zhangsan/faiss_gpu-1.7.3-cp37-cp37m-manylinux_2_17_x86_64.manylinux2014_x86_64.whl 即可解决

报错情况三：

主要已安装库：

python:3.8.20

torch:1.8.0cu111

torchvision:0.9.0cu111

发生错误时的faiss-gpu:faiss-gpu-cu11==1.8.0.2 

这次是直接复制问题一修复好的环境运行一个项目，但是运行后报错：

AttributeError: module 'faiss' has no attribute 'cast_integer_to_long_ptr'。

解决方案：