Ubuntu 22.04 LTS下TensorFlow-GPU运行代码报错求助

基础环境校验步骤 #

• 检查GPU驱动状态：nvidia-smi，确认输出正常且CUDA版本与TensorFlow要求匹配
• 验证版本兼容性：TensorFlow 2.x系列对CUDA/cuDNN版本有严格对应要求，比如2.15版本对应CUDA 12.3
• 确认虚拟环境隔离：执行pip list | grep tensorflow，确保仅存在目标版本的TensorFlow包，无系统全局包干扰

常见报错修复方案 #

显存分配失败报错 #

运行以下代码强制开启显存动态增长：

import tensorflow as tf
gpus = tf.config.list_physical_devices('GPU')
if gpus:
    try:
        for gpu in gpus:
            tf.config.experimental.set_memory_growth(gpu, True)
        logical_gpus = tf.config.list_logical_devices('GPU')
        print(len(gpus), "Physical GPUs,", len(logical_gpus), "Logical GPUs")
    except RuntimeError as e:
        print(e)

CUDA库加载失败报错 #

• 检查环境变量配置，终端执行：

  echo $LD_LIBRARY_PATH
  echo $CUDA_HOME
  

  输出需包含CUDA安装路径下的lib64和bin目录
• 若未配置，在~/.bashrc中添加以下内容（替换xxx为实际CUDA版本号）：

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

  执行source ~/.bashrc使配置生效

依赖冲突报错 #

• 完全卸载现有TensorFlow：pip uninstall -y tensorflow-gpu tensorflow
• 清理pip缓存：pip cache purge
• 重新安装对应版本：pip install tensorflow==2.15（根据CUDA版本选择匹配的TensorFlow版本）

注意：当前TensorFlow已不再区分tensorflow和tensorflow-gpu包，安装tensorflow即可自动适配GPU环境，无需单独安装tensorflow-gpu

内容的提问来源于stack exchange，提问作者Chamith Dilshan