Ubuntu23下CUDA11.8被PyTorch识别但TensorFlow无法检测GPU求助

核对版本兼容性 #

• 确认TensorFlow版本与CUDA 11.8匹配：TensorFlow 2.13.x、2.14.x、2.15.x均支持CUDA 11.8。若版本不匹配，卸载重装对应版本：

  pip uninstall tensorflow
  pip install tensorflow==2.15.0
  

修复环境变量配置 #

PyTorch能识别GPU不代表TensorFlow能读取正确的库路径，手动配置环境变量：

1. 打开~/.bashrc或~/.zshrc（根据你使用的shell选择），添加以下内容：

   export LD_LIBRARY_PATH=/usr/local/cuda-11.8/lib64:$LD_LIBRARY_PATH
   export PATH=/usr/local/cuda-11.8/bin:$PATH
   export CUDA_HOME=/usr/local/cuda-11.8
   

2. 让配置生效：

   source ~/.bashrc
   

3. 验证配置是否正确：

   echo $LD_LIBRARY_PATH
   nvcc --version
   

   确保输出包含CUDA 11.8的路径，且nvcc显示版本为11.8。

确认cuDNN安装到位 #

CUDA 11.8对应cuDNN 8.9.x版本，检查库文件是否存在：

ls /usr/local/cuda-11.8/lib64/libcudnn*.so

如果没有输出，重新下载对应版本的cuDNN，解压后将lib64下的文件复制到/usr/local/cuda-11.8/lib64，include下的文件复制到/usr/local/cuda-11.8/include，然后更新系统库缓存：

sudo ldconfig

处理Ubuntu 23的特殊兼容问题 #

Ubuntu 23的glibc版本较高，部分预编译TensorFlow包存在兼容问题，可尝试用conda安装：

conda create -n tf_env python=3.10
conda activate tf_env
conda install tensorflow-gpu==2.15.0

验证GPU识别 #

执行以下代码测试：

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

若输出包含GPU设备信息，说明配置成功。

额外排查点 #

• 用nvidia-smi确认NVIDIA驱动版本≥450.80.02（RTX 3060 Ti的最低要求）
• 重启虚拟环境或终端，确保环境变量完全生效
• 若之前装过多个CUDA版本，清理旧版本的环境变量，避免路径冲突

内容的提问来源于stack exchange，提问作者celsowm