Ubuntu 22.04搭配GeForce GT 610（390.157驱动）、CUDA 12.2与TensorFlow 2.13的兼容性及Jupyter内核崩溃问题求助

兄弟，我太懂你跑CNN时内核突然崩溃的糟心感了！先给你戳破核心问题：你的硬件和软件版本完全不匹配，这才是所有麻烦的根源！

先理清楚兼容性红线： #

• GeForce GT 610是Kepler架构的老显卡，NVIDIA对它的驱动支持停在了390.x系列，而且它最高只能兼容CUDA 8.0——你装的CUDA 12.2完全超出了它的硬件支持上限，根本跑不起来！
• TensorFlow 2.13的最低要求：需要CUDA 11.8，对应的NVIDIA驱动最低版本是450.80.02。你现在用的390.157驱动连TF2.13的最低驱动门槛都达不到，更别说CUDA版本完全不搭，内核不崩溃才怪！

给你两个可行的解决方案： #

方案1：降级环境适配老显卡（折腾一点但能在本机跑）

• 保持390.157驱动不动（这是GT610能支持的最后版本，别试图升级，新驱动不认这个卡）
• 降级CUDA到8.0，同时适配Ubuntu22.04的gcc版本：
  • CUDA8.0只支持gcc5/gcc6，而Ubuntu22.04默认是gcc11，所以得先装低版本gcc并切换：

    sudo apt install gcc-6 g++-6
    sudo update-alternatives --install /usr/bin/gcc gcc /usr/bin/gcc-6 60 --slave /usr/bin/g++ g++ /usr/bin/g++-6
    

  • 安装CUDA8.0（建议用conda创建虚拟环境安装，或者找兼容的deb包手动安装，Ubuntu22.04无官方包）
  • 搭配TensorFlow1.15.x版本（TF2.x之后对Kepler架构支持极差，2.10之后直接放弃老卡）
• 之后在这个适配的虚拟环境里安装Jupyter，内核就能正常运行了

方案2：用Docker容器（省心不折腾系统）

• 直接找适配Kepler架构的TensorFlow镜像，比如tensorflow/tensorflow:1.15.5-gpu-py3，这个镜像自带适配的CUDA和驱动依赖
• 运行容器时挂载你的项目目录，在容器里启动Jupyter，完全不用管本机的环境冲突，直接就能跑

最后提醒： #

如果你坚持想用TensorFlow2.13这类新版本，那只能更换显卡——GT610的硬件性能和兼容性都跟不上现代深度学习框架了，换一张支持CUDA11+的新卡（比如GTX16系列及以上）才能彻底解决问题。

备注：内容来源于stack exchange，提问作者Spruha Pingale