如何在RTX 3080显卡上运行TensorFlow 1.14？

方案1：Docker容器隔离环境 #

RTX 3080虽原生仅支持CUDA 11.0+，但可通过NVIDIA Docker的兼容机制，运行低版本CUDA的容器：

• 拉取官方TensorFlow 1.14 GPU镜像（内置CUDA 10.0，是TF1.14支持的最高CUDA版本）：

  docker pull tensorflow/tensorflow:1.14.0-gpu-py3
  

• 启动容器并映射全部显卡：

  docker run --gpus all -it tensorflow/tensorflow:1.14.0-gpu-py3 bash
  

• 前提：已安装NVIDIA Docker工具链，确保容器能识别RTX 3080显卡

方案2：源码编译适配CUDA 11.x的TensorFlow 1.14 #

通过修改源码绕过CUDA版本限制，让TF1.14适配安培架构：

1. 准备环境：安装CUDA 11.x、cuDNN 8.x、Python 3.6-3.7（TF1.14支持的Python版本）
2. 克隆TF1.14源码，调整CUDA版本检查：
   • 打开tensorflow/core/platform/default/build_config/cuda_build_config.h，修改CUDA版本校验逻辑，允许CUDA 11.x通过检查
   • 同步调整依赖的cuDNN版本适配配置
3. 编译并安装：

   ./configure
   bazel build --config=opt --config=cuda //tensorflow/tools/pip_package:build_pip_package
   ./bazel-bin/tensorflow/tools/pip_package/build_pip_package ./tf_pkg
   pip install ./tf_pkg/tensorflow-1.14.*.whl
   

方案3：迁移至TensorFlow 2.x兼容模式 #

无需修改环境，将TF1.14代码适配TF2.x的兼容API：

• 在代码开头添加兼容声明：

  import tensorflow.compat.v1 as tf
  tf.disable_v2_behavior()
  

• 替换TF1.x专有API为tf.compat.v1下的对应接口（如tf.Session()改为tf.compat.v1.Session()）
• 注意：部分TF1.14的小众特性可能存在兼容瑕疵，需针对性调试

方案4：降级驱动与CUDA（不推荐） #

此方法会牺牲RTX 3080的性能与新特性，仅作备选：

• 安装支持CUDA 10.0的NVIDIA驱动（如440.x系列）
• 在虚拟环境中安装CUDA 10.0、cuDNN 7.6及TensorFlow 1.14

内容的提问来源于stack exchange，提问作者rayhathorn777