已安装兼容驱动但TensorFlow无法识别GPU问题求助

问题本质 #

这类重复注册错误的核心原因是系统中存在多份CUDA相关库——你手动安装的系统级CUDA Toolkit，和TensorFlow通过tensorflow[and-cuda]自动安装的适配版CUDA依赖，两者加载时冲突，导致工厂类重复注册。虽然GPU能正常创建，但日志会抛出异常。

具体解决步骤 #

1. 清理冲突的CUDA依赖

• 卸载系统级CUDA Toolkit（TensorFlow通过pip安装的[and-cuda]已经自带适配的CUDA库，无需系统级安装）：

  # 针对.run文件安装的CUDA，执行卸载脚本
  sudo /usr/local/cuda-12.0/bin/cuda-uninstaller
  # 删除残留目录
  sudo rm -rf /usr/local/cuda-12.0
  sudo rm -rf /usr/local/cuda
  

• 卸载pip中重复的TensorFlow包：

  pip uninstall -y tensorflow tensorflow[and-cuda] tensorflow-gpu
  

• 重新安装官方适配的TensorFlow版本：

  pip install "tensorflow[and-cuda]"
  

2. 修正环境变量，避免加载旧CUDA库

• 编辑你的shell配置文件（~/.bashrc或~/.zshrc），删除所有手动添加的CUDA相关环境变量（比如export PATH=/usr/local/cuda/bin:$PATH、export LD_LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PATH这类）。
• 刷新环境变量：

  source ~/.bashrc  # 用zsh的话执行source ~/.zshrc
  

3. 验证修复效果

运行以下测试代码，检查日志是否正常：

import tensorflow as tf
print("可用GPU设备：", tf.config.list_physical_devices('GPU'))
print("GPU是否可用：", tf.test.is_gpu_available())

如果不再出现cuFFT/cuDNN/cuBLAS重复注册的错误，且GPU能被正常识别，说明修复成功。

替代方案（保留系统级CUDA） #

如果需要保留系统级CUDA，可在运行TensorFlow脚本前，临时设置环境变量让Python优先加载TensorFlow自带的CUDA库：

export LD_LIBRARY_PATH=$(python -c "import tensorflow as tf; print(tf.sysconfig.get_lib())"):$LD_LIBRARY_PATH

内容的提问来源于stack exchange，提问作者Zulqarnain Bin Asif