安装cudnn与cudatoolkit遇问题：CUDA11.6适配版本无法找到

问题背景 #

当前CUDA版本信息：

nvcc -V

nvcc: NVIDIA (R) Cuda compiler driver
Copyright (c) 2005-2022 NVIDIA Corporation
Built on Tue_Mar__8_18:36:24_Pacific_Standard_Time_2022
Cuda compilation tools, release 11.6, V11.6.124
Build cuda_11.6.r11.6/compiler.31057947_0

执行以下安装命令时触发错误：

conda install cudnn=8.7.0=cuda11.6_0

错误提示：

PackagesNotFoundError: The following packages are not available from current channels:

  - cudnn==8.7.0=cuda11.6_0

通过conda search cudnn查询后，发现当前conda源中没有适配CUDA 11.6的cudnn版本。

可行解决方案 #

1. 添加conda-forge源获取适配包 #

默认conda源缺少对应版本的cudnn，添加conda-forge源后重新尝试安装：

conda config --add channels conda-forge
conda config --set channel_priority strict
conda install cudnn=8.7.0=cuda11.6_0

2. 手动下载安装cudnn #

从NVIDIA官方渠道下载适配CUDA 11.6的cudnn 8.7.0压缩包，解压后完成文件部署：

• 解压下载的压缩包
• 将include目录下的头文件复制到CUDA安装目录的include文件夹（Linux路径通常为/usr/local/cuda/include，Windows路径为C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.6\include）
• 将lib64（Linux）或lib\x64（Windows）下的库文件复制到CUDA安装目录的对应lib文件夹
• 配置环境变量：Linux需将CUDA的lib目录添加到LD_LIBRARY_PATH，Windows添加到系统PATH

3. 降级CUDA适配现有cudnn版本 #

若不想手动操作，可降级CUDA到11.3，安装conda源中已有的cudnn 8.2.1，该组合可支持大部分TensorFlow版本的GPU运行需求：

conda install cudatoolkit=11.3 cudnn=8.2.1

4. 通过pip安装TensorFlow自动匹配依赖 #

直接安装TensorFlow GPU版本，它会自动检测环境并安装兼容的CUDA、cudnn依赖（适用于Windows和Linux主流环境）：

pip install tensorflow-gpu

内容的提问来源于stack exchange，提问作者user20658672