如何解决Ubuntu 22.04上TensorFlow的cuDNN、cuFFT等警告问题

一、NUMA节点读取警告处理 #

• 该警告源于Ubuntu系统对移动GPU（GTX 1050 Ti Mobile）的NUMA架构识别异常，移动GPU本身不支持NUMA，直接禁用检测即可：
  • 终端运行代码前设置环境变量：export TF_ENABLE_ONEDNN_OPTS=0
  • Python脚本中可在开头添加：

    import os
    os.environ['TF_ENABLE_ONEDNN_OPTS'] = '0'
    

二、cuDNN/cuFFT/cuBLAS重复注册警告处理 #

这类警告多因TensorFlow自带的CUDA相关库与手动安装的CUDA Toolkit 12.2库路径冲突导致，手动复制cuDNN文件会加重冲突，可按以下方式处理：

• 优先使用TensorFlow内置CUDA库
  • 删除~/.bashrc或~/.profile中手动添加的CUDA路径配置（如LD_LIBRARY_PATH相关设置），让TensorFlow默认加载自身适配的库版本。TensorFlow 2.17已打包对应版本的CUDA/cuDNN，手动指定系统路径会引发版本冲突。
• 强制统一库路径（需保留系统CUDA时使用）
  • 运行脚本前设置环境变量，强制加载系统CUDA库：

    export LD_LIBRARY_PATH=/usr/local/cuda-12.2/lib64:$LD_LIBRARY_PATH
    export CUDA_HOME=/usr/local/cuda-12.2
    

  • 确保cuDNN版本与CUDA 12.2匹配（推荐cuDNN 8.9.x），下载对应版本覆盖到CUDA目录后，执行sudo ldconfig更新库缓存。
• 清理虚拟环境冗余依赖
  • 检查虚拟环境是否同时安装了tensorflow和废弃的tensorflow-gpu，执行pip uninstall tensorflow-gpu清理后，重新安装tensorflow==2.17。

三、验证修复效果 #

运行以下测试代码确认警告是否消除：

import tensorflow as tf
print("TensorFlow version:", tf.__version__)
print("GPU available:", tf.config.list_physical_devices('GPU'))
# 简单矩阵运算测试
a = tf.random.normal((1000, 1000))
b = tf.random.normal((1000, 1000))
c = tf.matmul(a, b)
print("Matrix multiplication completed successfully")

内容的提问来源于stack exchange，提问作者brunomcebola