Anaconda环境中TensorFlow-GPU 2.6与CUDA12.2版本冲突问题求助

核心冲突原因 #

• TensorFlow 2.6官方明确要求的Python版本范围是3.6~3.9，你当前使用的Python 3.10.12不在支持列表内
• TensorFlow 2.6适配的CUDA版本为11.2、cuDNN版本为8.1，你安装的CUDA 12.2版本过高，直接导致依赖不兼容

解决方法一：匹配TensorFlow 2.6的依赖环境重新配置 #

1. 创建指定Python版本的新Anaconda环境：

   conda create -n tf26_env python=3.9
   conda activate tf26_env
   

2. 在该环境内安装适配的CUDA和cuDNN（conda会自动处理依赖匹配）：

   conda install cudatoolkit=11.2 cudnn=8.1
   

3. 安装TensorFlow-GPU 2.6：

   pip install tensorflow-gpu==2.6
   

解决方法二：升级TensorFlow适配现有CUDA 12.2 #

如果不想更换CUDA版本，可安装支持CUDA 12.2的TensorFlow版本（如2.13及以上）：

1. 你的Python 3.10.12符合TensorFlow 2.13的版本要求（支持3.8~3.11）
2. 安装对应版本的TensorFlow（TF 2.10之后不再区分CPU/GPU版本，安装tensorflow即可自动启用GPU支持）：

   pip install tensorflow==2.13
   

验证GPU是否正常工作 #

安装完成后，运行以下代码确认GPU被TensorFlow识别：

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

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