为何CUDA在PyTorch可用却突然无法支持TensorFlow？

咱们先把这个报错的核心逻辑理清楚：

• 你用的tensorflow-gpu v1.12.0是硬性绑定CUDA 9.0核心库的，它启动时会优先查找libcublas.so.9.0这类9.0版本的库文件，但你的Python 2.7环境里既没有系统级的CUDA 9.0路径，也没让它找到正确的依赖库位置。
• 虽然你这个环境里装了cudatoolkit 9.2，但TensorFlow 1.12.0并不兼容9.2版本，所以根本不会去用这个版本的库；另外系统里nvcc -V显示的是9.1版本，还没有标准的/usr/local/cuda目录，说明CUDA不是系统全局安装的，各个conda环境的CUDA依赖是独立管理的。
• 至于Python 3.6里的PyTorch能正常跑，是因为它的conda环境自带了cudatoolkit 9.0，而且PyTorch的库查找逻辑会优先加载自己环境内的CUDA依赖，不需要依赖系统级的配置，所以能正常调用GPU。

这里给你三个不同方向的方案，你可以根据自己的操作习惯选：

方案一：临时/永久添加CUDA 9.0库路径到Python 2.7环境 #

既然你的PyTorch环境里已经有可用的CUDA 9.0库，直接把它的路径加到Python 2.7环境的库搜索路径里就行：

1. 先找到你PyTorch 3.6环境的安装路径，一般是~/anaconda3/envs/你的PyTorch环境名/lib（如果是miniconda就是~/miniconda3/envs/...）
2. 在启动Python 2.7环境前，执行这条命令临时生效：

   export LD_LIBRARY_PATH=~/anaconda3/envs/你的PyTorch环境名/lib:$LD_LIBRARY_PATH
   

   如果想要永久生效，把这条命令追加到你的~/.bashrc或者~/.profile文件里，下次登录就自动生效了。

方案二：升级TensorFlow到适配CUDA 9.1的版本 #

系统里的nvcc是9.1版本，你可以把Python 2.7环境里的TensorFlow换成支持CUDA 9.1的版本：

• TensorFlow 1.13.1是第一个稳定支持CUDA 9.1的1.x版本，执行以下命令替换：

  pip uninstall tensorflow-gpu -y
  pip install tensorflow-gpu==1.13.1
  

  这个版本和你现有的cudnn 7.2.1兼容性很好，不需要额外调整cudnn。

方案三：在Python 2.7环境里重新安装适配的CUDA依赖 #

直接在Python 2.7的conda环境里安装TensorFlow 1.12.0要求的CUDA 9.0和对应cudnn：

conda install cudatoolkit=9.0 cudnn=7.0.5 -c conda-forge

这里选cudnn 7.0.5是因为它是TensorFlow 1.12.0官方推荐的、适配CUDA 9.0的稳定版本，安装完成后重启环境，TensorFlow就能直接加载自己环境内的库了。

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