无root权限conda环境下TensorFlow1.15报libcudart.so.10.0缺失咨询

1. 是否可通过conda安装CUDA v10替代v11 #

可以，操作流程如下：

• 先卸载当前conda环境内已安装的CUDA 11相关组件，避免版本冲突：
  conda remove cudatoolkit cudnn --force
• 从conda-forge源安装适配TensorFlow v1.15的CUDA 10.0及匹配版本cuDNN：
  conda install -c conda-forge cudatoolkit=10.0 cudnn=7.6.5
• 安装完成后重新激活当前conda环境，conda会自动将对应CUDA库路径加载到环境变量中，无需手动配置LD_LIBRARY_PATH。可进入Python交互环境执行以下代码验证配置：

import tensorflow as tf
print(tf.test.is_gpu_available())

返回True且无libcudart.so.10.0相关加载报错即为配置成功。
注意：此前额外安装的nvidia-tensorflow默认适配CUDA 11版本，和原生TensorFlow v1.15的依赖存在冲突，执行上述操作前建议先卸载nvidia-tensorflow与nvidia-pyindex，否则仍可能出现库加载错误。

2. 无root权限的其他可行绕过方案 #

• 方案一：临时切换CPU运行模式
  无需调整CUDA版本，运行代码前执行环境变量配置屏蔽GPU设备即可：
  export CUDA_VISIBLE_DEVICES=-1
  该方案操作成本最低，但模型训练、推理速度会大幅下降，仅适合小批量代码调试场景。
• 方案二：个人用户目录本地安装CUDA 10.0
  无需root权限，下载CUDA 10.0的runfile安装包后，执行安装时添加参数指定安装路径为个人目录：
  sh cuda_10.0.130_410.48_linux.run --no-opengl-libs --silent --toolkit --install-path=$HOME/cuda10
  安装完成后，在当前conda环境的激活脚本中添加路径配置，保证激活环境时自动加载对应库：
  echo 'export LD_LIBRARY_PATH=$HOME/cuda10/lib64:$LD_LIBRARY_PATH' >> $CONDA_PREFIX/etc/conda/activate.d/env_vars.sh
  重新激活环境即可生效，配置仅对当前用户、当前conda环境有效，不会影响系统全局或其他用户配置。
• 方案三：高版本CUDA软链兼容（不推荐长期使用）
  利用NVIDIA驱动向后兼容特性，给当前已安装的CUDA 11库文件创建版本别名软链，绕过TensorFlow的版本检查：
  ln -s $CONDA_PREFIX/lib/libcudart.so.11.0 $CONDA_PREFIX/lib/libcudart.so.10.0
  该方法操作最快，但存在版本不匹配导致的算子计算错误、进程意外崩溃风险，仅适合临时跑通流程使用。

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