Ubuntu Focal下TensorFlow无法识别NVIDIA RTX 4090 GPU求助

1. 匹配TensorFlow与CUDA版本兼容性 #

RTX 4090属于Ada Lovelace架构，需使用TensorFlow 2.10及以上版本，且必须对应支持的CUDA版本：

• TensorFlow 2.10~2.11：适配CUDA 11.2
• TensorFlow 2.12：适配CUDA 11.8
• TensorFlow 2.13：适配CUDA 12.0
• TensorFlow 2.14+：适配CUDA 12.2

你的nvidia-smi显示驱动支持CUDA 12.1，建议安装TensorFlow 2.14+搭配CUDA 12.2（驱动向下兼容），或TensorFlow 2.13搭配CUDA 12.0。

2. 正确安装CUDA Toolkit并配置环境变量 #

apt默认安装的nvidia-cuda-toolkit版本滞后，无法适配新架构，需手动安装官方匹配版本：

• 卸载旧版CUDA工具包：

  sudo apt purge nvidia-cuda-toolkit libnvvm*
  sudo apt autoremove && sudo apt clean
  

• 从NVIDIA官网下载对应版本的CUDA Toolkit（如12.2），选择Ubuntu 20.04版本，使用runfile安装时跳过驱动安装（已安装的530.41.03驱动满足CUDA 12.2要求），仅安装toolkit和samples。
• 编辑~/.bashrc或~/.zshrc配置环境变量：

  export PATH=/usr/local/cuda-12.2/bin${PATH:+:${PATH}}
  export LD_LIBRARY_PATH=/usr/local/cuda-12.2/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}
  

• 生效环境变量：

  source ~/.bashrc
  

• 验证CUDA安装：

  nvcc --version
  

  输出应显示对应版本（如12.2）。

3. 安装适配的TensorFlow及依赖 #

卸载现有TensorFlow，安装匹配版本：

pip3 uninstall tensorflow -y
# 安装支持CUDA 12.2的TensorFlow 2.14+
pip3 install tensorflow[and-cuda]

tensorflow[and-cuda]会自动安装匹配的CUDA、cuDNN等依赖，避免版本冲突。

4. 解决random_device could not be read错误 #

该错误由系统随机设备读取失败导致，可通过以下方式修复：

• 检查随机设备权限：

  ls -l /dev/urandom /dev/random
  

  若当前用户无读取权限，执行sudo chmod 666 /dev/urandom /dev/random。
• 安装haveged增加系统熵源：

  sudo apt install haveged
  sudo systemctl enable --now haveged
  

• 运行脚本前临时设置环境变量强制使用软件随机数：

  export CXXFLAGS="-DRANDOM_DEVICE_FILE=/dev/urandom"
  

5. 验证GPU识别情况 #

创建测试脚本test_gpu.py：

import tensorflow as tf
print("TensorFlow版本:", tf.__version__)
print("GPU可用:", tf.test.is_gpu_available())
print("GPU设备:", tf.config.list_physical_devices('GPU'))

运行脚本，若输出GPU信息则配置成功。

内容的提问来源于stack exchange，提问作者Micha Peddle