Fedora Linux下原生TensorFlow GPU安装问题求助

版本匹配说明 #

从你提供的nvidia-smi信息可知，系统GPU驱动支持的最高CUDA版本为12.5。结合TensorFlow官方兼容要求，推荐以下版本组合：

• Python：3.10（适配TensorFlow 2.15+，且与CUDA 12.x兼容）
• cudatoolkit：12.3（TensorFlow 2.15+官方推荐版本，可向下兼容12.5驱动）
• cudnn：8.9.7（对应CUDA 12.3的适配版本）
• TensorFlow：2.15.0（稳定版，完美适配上述CUDA/CuDNN组合）

完整安装步骤 #

1. 清理原有问题环境（可选） #

若之前的conda环境存在异常，先彻底删除：

conda remove --name gpu --all

2. 创建并激活新conda环境 #

conda create --name gpu python=3.10
conda activate gpu

3. 安装CUDA工具包与CuDNN #

conda install -c conda-forge cudatoolkit=12.3 cudnn=8.9.7

4. 设置库路径环境变量（关键） #

激活环境后，执行以下命令让系统能找到conda安装的CUDA库（临时生效，若需永久生效，可将该命令写入~/.bashrc或conda环境的activate.d脚本）：

export LD_LIBRARY_PATH=$CONDA_PREFIX/lib:$LD_LIBRARY_PATH

5. 安装指定版本TensorFlow #

pip install tensorflow==2.15.0

6. 验证GPU可用性 #

运行检测命令：

python -c "import tensorflow as tf; print(tf.config.list_physical_devices('GPU'))"

若输出包含GPU设备列表，说明安装成功。

你之前安装失败的原因 #

1. 版本链不匹配：TensorFlow 2.8.0依赖CUDA 11.0，但你安装的是cudatoolkit 11.2，且系统驱动支持的是CUDA 12.5，版本错位导致库文件无法匹配加载。
2. 未配置环境变量：conda安装的CUDA库路径未加入系统库搜索路径，TensorFlow找不到libcudart.so等依赖文件。

内容的提问来源于stack exchange，提问作者Ferz