Anaconda安装CuDNN 7.3.1导致TensorFlow 2.0运行失败求助

我完全懂你的困扰——Anaconda默认给tensorflow-gpu 2.0搭配的CuDNN 7.3.1和TF编译依赖的7.4.2不匹配，系统里明明有更高版本的CuDNN却被环境隔离用不上，而且GitHub Issue还被误解了，确实闹心。下面给你几个实用的解决思路，不用在系统里装多版本CUDA/CuDNN：

方法1：在conda环境内安装兼容的CuDNN版本 #

直接替换环境里的旧版CuDNN为TF2.0支持的版本（7.4.2及以上都可以，比如你系统用的7.6也没问题）：

• 先激活你的Anaconda环境：

  conda activate your_env_name
  

• 卸载当前的CuDNN：

  conda remove cudnn
  

• 安装指定版本的CuDNN，同时确保CUDA版本和TF2.0兼容（TF2.0对应CUDA 10.0）：

  # 安装7.4.2版本（和TF编译依赖一致）
  conda install cudatoolkit=10.0 cudnn=7.4.2
  # 或者安装你系统已有的7.6版本
  conda install cudatoolkit=10.0 cudnn=7.6
  

  这样conda会自动处理依赖，替换掉旧的CuDNN，不用动系统层面的库。

方法2：让conda环境优先调用系统的CuDNN #

如果你不想在环境里重复装CuDNN，可以让TensorFlow直接加载系统的7.6版本：

• 激活环境后，临时设置环境变量，让系统库优先：

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

• 之后运行你的Python代码，TF就会加载系统的CuDNN 7.6而不是环境内的7.3.1了。
• 要是想每次激活环境都自动生效，就在你的环境目录下创建激活脚本：
  1. 进入环境的activate.d目录（比如~/anaconda3/envs/your_env_name/etc/conda/activate.d/）
  2. 创建env_vars.sh文件，写入上面的export命令，保存后下次激活环境就会自动加载这个变量。

方法3：改用conda-forge频道安装TensorFlow-GPU #

Anaconda默认频道的包有时候更新不及时，conda-forge频道的tensorflow-gpu包通常会搭配更准确的依赖版本：

• 先移除现有tensorflow-gpu：

  conda remove tensorflow-gpu
  

• 从conda-forge安装TF2.0：

  conda install -c conda-forge tensorflow-gpu=2.0
  

  这个频道的包会自动匹配兼容的CuDNN和CUDA版本，大概率能避免版本错配问题。

额外验证步骤 #

安装完成后，可以先验证版本是否匹配：

from tensorflow.python.platform import build_info
print("TF编译依赖的CuDNN版本:", build_info.cudnn_version)
print("TF编译依赖的CUDA版本:", build_info.cuda_version)

然后运行你的卷积代码，看是否还出现版本冲突的报错。

内容的提问来源于stack exchange，提问作者krishnab