更改导入顺序会导致Python中出现错误

我正在试图了解以下错误的原因。首先，如果我在python中键入以下内容

>>> import scipy.sparse
>>> import torch

它运行无误。然而，当我输入

>>> import torch
>>> import scipy.sparse

我得到以下错误：
回溯（最近一次呼叫最后一次）：
文件“”，第1行，在
文件“/global/software/sl-7.x86_64/modules/langs/python/3.6/lib/python3.6/site packages/scipy/sparse/_uuuuinit_uuu.py”，第229行
从.csr导入*
文件“/global/software/sl-7.x86_64/modules/langs/python/3.6/lib/python3.6/site packages/scipy/sparse/csr.py”，第15行，在
从。sparsetools导入csr\u tocsc、csr\u tobsr、csr\u count\u块\
ImportError:/lib64/libstdc++.so.6:找不到版本“CXXABI_1.3.9”（由/global/software/sl-7.x86_64/modules/langs/python/3.6/lib/python3.6/site packages/scipy/sparse/_sparsetools.cpython-36m-x86_64-linux-gnu.so所需）

我甚至可以进入目录“/global/software/sl-7.x86_64/modules/langs/python/3.6/lib/python3.6/site packages/scipy/sparse/”并导入二进制文件“_sparsetools.cpython-36m-x86_64-linux-gnu.so”，然后导入torch而不出问题。但是如果我换一种方式尝试，我会再次得到上面的错误

---

有人知道为什么改变这些进口的顺序会产生不同的效果吗

共享对象的简单搜索策略假定存在每个对象的单个版本，或者至少将包含较新版本的目录放在搜索路径的第一位。该路径包括

$LD\u LIBRARY\u path

（应该避免），

DT\u RPATH

及其较新的变体

DT\u RUNPATH

（这主要取决于正在加载的客户机），以及系统目录，如

/lib

。这适用于遵循全局包管理的系统，但安装的包在单个每个包目录中（在Windows和一些“普通用户”包管理器中很常见）复制其依赖项可以轻松地使用同一个对象生成共享对象的多个版本

人们的期望是，共享该名称是无害的，因为一个名称可以用来代替另一个名称（因此可以放在路径的第一位）。事实上，没有一个目录是所有库的最新目录，甚至没有一个路径可以配置

DT\ucode>标记

结果是，无论第一个加载的是哪一个，都会赢：动态加载程序不能同时加载这两个（因为它们提供了许多相同的符号），因此第二个请求只起到检查库版本标记的作用，这里发现这是不充分的。在这种情况下，一个客户端（<代码> Trase<代码>）依赖于系统的C++标准库，而另一个（<代码>它可能需要也可能不需要它的新版本：因为它是根据它构建的，所以默认情况下被保守地标记为需要它

这是一个问题：甚至像虚拟环境这样的工具也不能处理它，因为问题在于现有包的不兼容编译。从源代码（如或）重建所有内容的系统可以，但只能以控制所有相关构建的通常成本为代价。不幸的是，简单地控制导入订单可能是最好的选择。
@DavisHerring的回答向您解释了发生了什么，这里有一个可能的解决方法，以确保加载正确的版本：

1。步骤：

通过控制台查找正确的libc++.so版本：

$ ldd _sparsetools.cpython-36m-x86_64-linux-gnu.so
libstdc++.so.6 => <path to right version>/libstdc++.so.6(...)

$ldd\u sparsetools.cpython-36m-x86\u 64-linux-gnu.so
libstdc++.so.6=>/libstdc++.so.6（…）

2。步骤：

启动python时，预加载正确的版本，以便加载程序选择正确的版本：

$ LD_PRELOAD=<path to right version>/libstdc++.so python

$LD_PRELOAD=/libstdc++.so python


然而，最好的解决方案是使用正确的libc++依赖项重建
pytorch
。
也许这与torch捆绑其依赖项有关？我知道你可以（可以？）使用CUDA和torch，而不必亲自安装CUDA。不知道思想对我来说很好（Ubuntu18、python-3.6.9、pytorch-0.4.1、scipy-1.1.0、cudnn-7.6.4）。
$ LD_PRELOAD=<path to right version>/libstdc++.so python