Arch Linux下TensorFlow运行报错：cuFFT/cuDNN/cuBLAS注册失败及断言错误

核心问题定位 #

你遇到的崩溃错误Assertion '__n < this->size()' failed来自C++标准库的vector越界，结合你使用的TensorFlow 2.18.0-rc1（预发布候选版），大概率是版本兼容性问题或RC版本自身的未修复Bug。而CUDA工厂注册警告属于环境库冲突提示，虽不直接引发崩溃，但也是环境配置的潜在问题。

分步解决方案 #

1. 降级TensorFlow到稳定版 #

Arch仓库中的2.18.0-rc1是预发布候选版本（Release Candidate），属于不稳定测试版本，存在未修复的Bug是正常现象，这是你遇到问题的核心原因之一。

• 卸载当前RC版本：

  sudo pacman -Rns python-tensorflow-opt-cuda
  

• 从Arch Linux Archive安装稳定版（以2.17.0为例）：

  sudo pacman -U https://archive.archlinux.org/packages/p/python-tensorflow-opt-cuda/python-tensorflow-opt-cuda-2.17.0-1-x86_64.pkg.tar.zst
  

  （若链接失效，可自行在Arch Linux Archive搜索对应稳定版包）
• 锁定版本避免自动更新：
  在/etc/pacman.conf中添加：

  IgnorePkg = python-tensorflow-opt-cuda
  

2. 同步Keras版本确保兼容性 #

Keras 3.x对TensorFlow版本有严格兼容要求，需同步降级Keras到与TensorFlow 2.17.0匹配的版本：

sudo pacman -U https://archive.archlinux.org/packages/p/python-keras/python-keras-3.3.3-1-x86_64.pkg.tar.zst

3. 消除CUDA工厂注册警告 #

该警告源于系统CUDA库与TensorFlow内置CUDA库冲突，可通过环境变量指定优先使用系统CUDA：

• 终端运行脚本前执行：

  export TF_FORCE_GPU_ALLOW_GROWTH=true
  export TF_CUDA_PATHS=/usr/lib/cuda
  

• 或在Python代码开头添加：

  import os
  os.environ["TF_FORCE_GPU_ALLOW_GROWTH"] = "true"
  os.environ["TF_CUDA_PATHS"] = "/usr/lib/cuda"
  

4. 验证修复效果 #

使用以下最小代码测试环境是否正常：

import os
os.environ["KERAS_BACKEND"] = "tensorflow"
import tensorflow as tf
import keras

# 验证CUDA可用性
print("CUDA可用:", tf.test.is_gpu_available())

# 测试简单模型构建
model = keras.Sequential([
    keras.layers.Input(shape=(28,)),
    keras.layers.Dense(10)
])
model.summary()
print("测试通过")

5. Docker环境修复 #

若Docker也出现相同问题，需更换为TensorFlow稳定版镜像：

sudo docker run --rm --gpus all tensorflow/tensorflow:2.17.0-gpu python -c "import tensorflow as tf; print(tf.test.is_gpu_available())"

进入镜像后安装兼容版本的Keras：

sudo docker run --rm --gpus all -it tensorflow/tensorflow:2.17.0-gpu
pip install keras==3.3.3

关于Arch Linux中TensorFlow版本的说明 #

Arch Linux采用滚动更新机制，会优先推送包括RC版本在内的最新软件，这符合其"追求最新"的定位。但RC版本仅适合尝鲜测试，不适合入门学习或生产环境，如需稳定环境，建议锁定稳定版或使用conda等工具做环境隔离。

内容的提问来源于stack exchange，提问作者helf4ch