安装卸载tensorflow-graphics-gpu后导入tf/PyTorch报段错误如何解决

问题根因 #

安装tensorflow-graphics-gpu时，pip自动升级了tensorflow、numpy、CUDA相关依赖包到与系统CUDA 11.1不兼容的版本，卸载时未将这些依赖回滚到原有版本，导致导入框架时动态库调用冲突触发段错误。

修复步骤（所有操作无需root权限） #

方案一：回滚用户空间依赖（推荐，不改动现有环境结构） #

1. 卸载用户空间所有相关冲突包，仅删除个人目录下的安装包，不会影响系统级依赖：

pip uninstall --user tensorflow tensorflow-gpu torch torchvision torchaudio numpy cudnn-cu* cuda-python -y

2. 安装与CUDA 11.1匹配的官方兼容版本：

• 安装TensorFlow：

pip install --user tensorflow==2.6.0 tensorflow-gpu==2.6.0 numpy==1.19.5

• 安装PyTorch：

pip install --user torch==1.9.0+cu111 torchvision==0.10.0+cu111 torchaudio==0.9.0 -f https://download.pytorch.org/whl/torch_stable.html

3. 清理残留缓存：

pip cache purge
rm -rf ~/.cache/pip ~/.keras ~/.torch ~/*/__pycache__

4. 验证修复效果：

# 验证TensorFlow
python3 -c "import tensorflow as tf; print('TensorFlow版本：', tf.__version__)"
# 验证PyTorch
python3 -c "import torch; print('PyTorch CUDA可用：', torch.cuda.is_available())"

方案二：使用虚拟环境完全隔离依赖（彻底解决冲突） #

如果方案一无效，可创建完全独立于系统的Python虚拟环境，所有依赖都安装在虚拟环境内，不会和系统/用户空间的现有包冲突：

1. 安装虚拟环境工具：

pip install --user virtualenv

2. 创建并激活虚拟环境：

# 创建虚拟环境到用户目录
virtualenv ~/ml_env
# 激活虚拟环境
source ~/ml_env/bin/activate

3. 激活后直接安装需要的任意版本框架即可，不需要加--user参数，所有包都会安装在虚拟环境目录内。

额外排查项 #

如果执行上述操作后仍有问题，检查LD_LIBRARY_PATH环境变量是否优先加载了用户目录下的不兼容CUDA库，将系统CUDA路径置前即可：

export LD_LIBRARY_PATH=/usr/local/cuda-11.1/lib64:$LD_LIBRARY_PATH

内容的提问来源于stack exchange，提问作者zzzhhh