如何在Conda环境中使用最新版cuDNN 7.5适配TensorFlow 1.13.0？

我来帮你搞定这个痛点——其实有两种靠谱的方案，能让你的conda环境用上外部安装的高版本cuDNN，完美适配TensorFlow 1.13.0的CNN模型需求：

方法一：直接替换conda环境内的cuDNN文件（最直接） #

这种方法相当于把conda默认装的旧版cuDNN替换成你需要的版本，操作步骤如下：

• 首先激活你的目标conda环境：

  conda activate your_env_name
  

• 找到conda环境中cuDNN的安装路径：
  • Linux/macOS：一般是~/anaconda3/envs/your_env_name/lib和~/anaconda3/envs/your_env_name/include
  • Windows：通常是C:\Users\你的用户名\anaconda3\envs\your_env_name\Library\lib和C:\Users\你的用户名\anaconda3\envs\your_env_name\Library\include
• 下载与TensorFlow 1.13.0兼容的cuDNN版本（注意要匹配conda安装的CUDA版本，TensorFlow 1.13.0对应CUDA 10.0，所以要下载适配CUDA 10.0的cuDNN，比如7.4.1或7.5.0），解压后会得到include和lib64（Linux/macOS）或lib（Windows）两个核心文件夹。
• 替换文件：
  1. 将解压后的include文件夹内所有cudnn*.h头文件，复制到conda环境的include目录下，覆盖原有文件（建议先备份旧文件，以防出错）。
  2. 将解压后的lib64（或lib）文件夹内的libcudnn*.so（Linux/macOS）或cudnn*.dll（Windows）库文件，复制到conda环境的lib目录下，覆盖原有文件。
• 验证是否生效：激活环境后运行Python，执行以下代码：

  import tensorflow as tf
  print(tf.backend.cudnn_version())
  

  如果输出的是你安装的新版本号，就说明替换成功了。

方法二：通过环境变量指定外部cuDNN路径（更灵活） #

如果你不想替换conda环境内的文件，可以通过设置环境变量让TensorFlow优先加载外部的cuDNN：

• 激活conda环境后，临时设置环境变量（仅当前终端会话有效）：
  • Linux/macOS：

    export LD_LIBRARY_PATH=/path/to/your/external/cudnn/lib64:$LD_LIBRARY_PATH
    export C_INCLUDE_PATH=/path/to/your/external/cudnn/include:$C_INCLUDE_PATH
    export CXX_INCLUDE_PATH=/path/to/your/external/cudnn/include:$CXX_INCLUDE_PATH
    

  • Windows：

    set PATH=C:\path\to\your\external\cudnn\lib\x64;%PATH%
    set INCLUDE=C:\path\to\your\external\cudnn\include;%INCLUDE%
    

• 要让环境变量永久生效（每次激活环境自动加载）：
  • Linux/macOS：在conda环境的etc/conda/activate.d目录下创建env_vars.sh文件，写入上面的export命令。
  • Windows：在conda环境的etc/conda/activate.d目录下创建env_vars.bat文件，写入上面的set命令。
• 同样用Python代码验证cuDNN版本是否正确加载。

注意事项 #

• 一定要确保外部安装的cuDNN版本与TensorFlow 1.13.0、conda安装的CUDA版本兼容，否则会出现加载失败或运行报错的情况。
• 替换文件前记得备份原有cuDNN文件，万一出问题可以快速恢复。

内容的提问来源于stack exchange，提问作者LinTIna