Ubuntu系统下TensorFlow GPU支持失效的解决求助

1. 验证NVIDIA驱动状态 #

• 运行命令 nvidia-smi，确认输出显示RTX3070的GPU信息、驱动版本为535，同时注意右上角标注的CUDA版本（如12.2），该版本需与你安装的TensorFlow版本兼容。
• 若nvidia-smi无输出，说明驱动未正确安装，执行sudo ubuntu-drivers autoinstall后重启系统，再次检查。

2. 配置CUDA环境变量 #

apt安装的CUDA默认路径为/usr/local/cuda，需手动添加到环境变量：

• 打开终端配置文件（bash用户编辑~/.bashrc，zsh用户编辑~/.zshrc），添加以下内容：

  export PATH=/usr/local/cuda/bin${PATH:+:${PATH}}
  export LD_LIBRARY_PATH=/usr/local/cuda/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}
  

• 执行source ~/.bashrc（或对应zsh文件）使配置生效，再运行nvcc --version验证CUDA版本是否正常输出。

3. 确认cuDNN配置 #

apt安装的cuDNN文件位于/usr/lib/x86_64-linux-gnu和/usr/include，需确保这些路径被系统识别：

• 在终端配置文件中追加：

  export LD_LIBRARY_PATH=/usr/lib/x86_64-linux-gnu${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}
  

• 执行source ~/.bashrc生效，再运行ls /usr/lib/x86_64-linux-gnu/libcudnn*.so，若有文件输出则说明cuDNN已正确安装。

4. 匹配TensorFlow与CUDA/cuDNN版本 #

• 先运行pip show tensorflow查看当前TensorFlow版本，确认其支持的CUDA版本（如TensorFlow 2.15支持CUDA 12.2，2.14支持CUDA 12.1）。
• 若apt安装的CUDA版本不匹配，建议卸载现有CUDA及cuDNN：

  sudo apt purge nvidia-cuda-dev nvidia-cuda-toolkit nvidia-cudnn
  

  然后从NVIDIA官网下载对应版本的CUDA runfile（安装时选择不覆盖已有的535驱动），以及匹配的cuDNN压缩包，解压后将cuDNN的lib和include目录内容复制到/usr/local/cuda对应目录下。

5. 重新验证GPU识别 #

• 重启终端，创建Python虚拟环境（避免系统包冲突）：

  python3.10 -m venv tf_env
  source tf_env/bin/activate
  pip install tensorflow
  

• 运行以下代码验证：

  import tensorflow as tf
  print(tf.config.list_physical_devices('GPU'))
  

  若输出包含GPU设备信息，则配置成功。

6. 处理TensorRT缺失提示 #

该提示仅影响TensorRT加速功能，不阻碍GPU基础使用。如需解决，可安装对应版本的TensorRT并配置环境变量，或直接安装带CUDA依赖的TensorFlow包：

pip install tensorflow[and-cuda]

内容的提问来源于stack exchange，提问作者Felix N