Conda无法识别CUDA版本求助：Ubuntu安装TensorFlow GPU遇阻

我在Ubuntu环境里安装最新版TensorFlow GPU，CUDA驱动已经正常运行：

• 用nvcc --version验证，输出：

nvcc: NVIDIA (R) Cuda compiler driver
Copyright (c) 2005-2022 NVIDIA Corporation
Built on Tue_May__3_18:49:52_PDT_2022
Cuda compilation tools, release 11.7, V11.7.64
Build cuda_11.7.r11.7/compiler.31294372_0

• nvidia-smi的输出也显示CUDA版本为11.7：

+-----------------------------------------------------------------------------+
| NVIDIA-SMI 515.43.04    Driver Version: 515.43.04    CUDA Version: 11.7     |
|-------------------------------+----------------------+----------------------+
| GPU  Name        Persistence-M| Bus-Id        Disp.A | Volatile Uncorr. ECC |
| Fan  Temp  Perf  Pwr:Usage/Cap|         Memory-Usage | GPU-Util  Compute M. |
|                               |                      |               MIG M. |
|===============================+======================+======================|
|   0  Tesla V100-SXM2...  On   | 00000000:06:00.0 Off |                    0 |
| N/A   40C    P0    68W / 300W |   9712MiB / 16384MiB |      7%      Default |
|                               |                      |                  N/A |
+-------------------------------+----------------------+----------------------+

我创建了Python3.9的空Conda环境，照着TensorFlow官方文档执行命令安装依赖：

conda install -c conda-forge cudatoolkit=11.2 cudnn=8.1.0

结果Conda报错说我安装的CUDA驱动版本不满足要求：

- cudatoolkit=11.2 -> __cuda[version='>=11.2.1|>=11|>=11.2|>=11.2.2']

 Your installed CUDA driver is: 11.7

明明11.7满足>=11.2的要求，Conda却无法识别，求问题原因和解决办法。

1. Conda虚拟包__cuda检测逻辑出错 #

Conda通过虚拟包__cuda识别系统CUDA版本，但偶尔会因为检测机制的bug，把高版本误判为不满足低版本的依赖要求。

解决办法：

• 手动指定__cuda版本绕过检测：

conda install -c conda-forge cudatoolkit=11.2 cudnn=8.1.0 __cuda=11.7

• 或者关闭频道优先级，强制安装：

conda install -c conda-forge cudatoolkit=11.2 cudnn=8.1.0 --no-channel-priority

2. Conda-Forge频道的包依赖约束过严 #

部分conda-forge的cudatoolkit包对__cuda的版本约束写得过于严格，比如误设了版本上限，导致高版本被拒绝。

解决办法：

• 换用NVIDIA官方Conda频道安装：

conda install -c nvidia cudatoolkit=11.2 cudnn=8.1.0

• 更省事的是用pip安装TensorFlow，它会自动适配CUDA和cuDNN：

pip install tensorflow[and-cuda]

这个命令会自动安装对应版本的CUDA runtime和cuDNN，无需手动指定版本号。

3. 环境变量配置问题 #

Conda检测CUDA版本时依赖CUDA_VERSION、PATH等环境变量，如果这些变量未正确设置，会导致检测结果错误。

解决办法：

• 手动设置环境变量，然后重新激活Conda环境：

export CUDA_VERSION=11.7
export PATH=/usr/local/cuda-11.7/bin:$PATH
export LD_LIBRARY_PATH=/usr/local/cuda-11.7/lib64:$LD_LIBRARY_PATH
conda activate 你的环境名

之后再执行安装命令。

内容的提问来源于stack exchange，提问作者Ufuk Can Bicici