如何在Python虚拟环境中安装cuDNN与CUDA Toolkit（权限受限场景）

可以实现将CUDA Toolkit和cuDNN安装到当前虚拟环境目录下，但无法直接通过pip install完成（二者并非纯Python包），以下是具体操作步骤：

1. 确认版本匹配 #

首先确认你的TensorFlow版本对应的CUDA和cuDNN版本要求：

python3 -c "import tensorflow as tf; print(tf.__version__)"

例如TensorFlow 2.15.x对应CUDA 11.8和cuDNN 8.6.x，务必严格匹配版本，否则会出现兼容性问题。

2. 下载CUDA Toolkit（自定义路径安装） #

从NVIDIA官网下载对应版本的CUDA Toolkit runfile安装包（而非deb包），然后执行以下命令将其安装到虚拟环境目录：

# 替换为你下载的CUDA runfile文件名
sh cuda_11.8.0_520.61.05_linux.run --silent --toolkit --installpath=$PWD/.environment/cuda

参数说明：

• --silent：静默安装，无需交互
• --toolkit：仅安装CUDA Toolkit（不装驱动，假设系统已装合适的GPU驱动）
• --installpath：指定安装到当前虚拟环境的cuda子目录

3. 下载并部署cuDNN #

从NVIDIA官网下载对应CUDA版本的cuDNN压缩包（例如cudnn-linux-x86_64-8.6.0.163_cuda11-archive.tar.xz），解压后将文件复制到虚拟环境的CUDA目录：

# 解压压缩包
tar -xf cudnn-linux-x86_64-8.6.0.163_cuda11-archive.tar.xz
# 复制头文件
cp -r cudnn-linux-x86_64-8.6.0.163_cuda11-archive/include/* $PWD/.environment/cuda/include/
# 复制库文件
cp -r cudnn-linux-x86_64-8.6.0.163_cuda11-archive/lib64/* $PWD/.environment/cuda/lib64/
# 设置文件权限
chmod a+r $PWD/.environment/cuda/include/cudnn*.h $PWD/.environment/cuda/lib64/libcudnn*.so

4. 配置虚拟环境的环境变量 #

编辑虚拟环境的激活脚本，让每次激活环境时自动加载CUDA和cuDNN的路径：

nano .environment/bin/activate

在脚本末尾添加以下内容：

export CUDA_HOME="$VIRTUAL_ENV/cuda"
export LD_LIBRARY_PATH="$CUDA_HOME/lib64:$CUDA_HOME/extras/CUPTI/lib64:$LD_LIBRARY_PATH"
export PATH="$CUDA_HOME/bin:$PATH"

保存退出后，重新激活虚拟环境：

source .environment/bin/activate

5. 验证安装 #

运行你之前的检查命令，确认TensorFlow能识别GPU：

python3 -c "import tensorflow as tf; print(tf.config.list_physical_devices('GPU'))"

如果输出包含GPU设备信息，说明配置成功。

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