TensorFlow加载CuDNN版本不匹配求助：运行版8.5.0与编译版8.6.0冲突

核心原因分析 #

你的LD_LIBRARY_PATH中Windows端CUDA路径优先级高于conda环境的CuDNN路径，导致TensorFlow优先加载了Windows端残留的CuDNN 8.5.0；另外可能系统或conda环境中存在未清理的旧版本CuDNN文件。

排查与解决步骤 #

1. 定位所有CuDNN 8.5.0文件 #

先找出系统中所有旧版本CuDNN文件，确认来源：

find / -name "libcudnn*.so.8.5.0" 2>/dev/null

输出会显示旧文件的位置，大概率在/mnt/c/Program Files/NVIDIA GPU Computing Toolkit/CUDA/v11.8/lib/x64（Windows映射路径）或系统默认CUDA目录。

2. 调整LD_LIBRARY_PATH优先级 #

将conda环境的CuDNN路径移到最前面，确保优先加载正确版本：

• 临时生效（当前终端会话）：

export LD_LIBRARY_PATH="/home/user/miniconda3/envs/tf/lib/python3.9/site-packages/nvidia/cudnn/lib:/home/user/miniconda3/envs/tf/lib:/mnt/c/Program Files/NVIDIA GPU Computing Toolkit/CUDA/v11.8/lib/x64"

• 永久生效（每次激活conda环境或启动终端）：
  编辑conda环境的激活脚本：

  nano /home/user/miniconda3/envs/tf/etc/conda/activate.d/env_vars.sh
  

  添加以下内容：

  export LD_LIBRARY_PATH="/home/user/miniconda3/envs/tf/lib/python3.9/site-packages/nvidia/cudnn/lib:/home/user/miniconda3/envs/tf/lib:$LD_LIBRARY_PATH"
  

  保存后退出，下次激活环境时自动生效。

3. 清理Windows端旧CuDNN（可选） #

如果Windows端不需要CuDNN 8.5.0，直接删除C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.8\lib\x64中所有cudnn8_5.dll或对应so映射文件，避免WSL2加载旧版本。

4. 验证修复结果 #

执行以下命令确认CuDNN路径和版本：

ldconfig -p | grep libcudnn

输出应显示8.9.1版本的文件路径排在最前面。

再在Python中验证TensorFlow加载情况：

import tensorflow as tf
print("GPU设备：", tf.config.list_physical_devices('GPU'))
print("TensorFlow版本：", tf.__version__)
print("编译时CuDNN版本：", tf.sysconfig.get_build_info()['cudnn_version'])
print("运行时CuDNN版本：", tf.backend.cudnn_version())

如果不再报错且运行时版本显示8.9.1，说明修复成功。

5. 备选方案：重新匹配TensorFlow与CuDNN版本 #

如果上述方法无效，卸载现有TensorFlow，用conda安装与CUDA 11.8兼容的版本（自动匹配对应CuDNN）：

pip uninstall tensorflow -y
conda install tensorflow-gpu==2.12.0 -y

内容的提问来源于stack exchange，提问作者Peter Pan