TensorFlow-GPU运行报错libcublas.so.8.0无法打开，如何解决？

咱们先把问题根源理清楚：这个错误说明你用virtualenv创建的Python环境没法定位到CUDA 8.0的libcublas.so.8.0库文件——哪怕你在.bashrc里配置了CUDA环境，要么是virtualenv的隔离特性导致环境变量没生效，要么是配置本身有问题，甚至可能是CUDA安装不完整。

下面是一步步的排查和解决方法：

1. 先确认CUDA 8.0的库是否真的存在 #

首先找到CUDA 8.0的安装路径，默认一般是/usr/local/cuda-8.0，也可能是你自定义的路径。咱们先检查lib64目录里有没有目标文件：

ls /usr/local/cuda-8.0/lib64/libcublas.so.8.0

如果输出提示文件不存在，那说明你CUDA 8.0安装不完整，或者装错了版本，得重新下载对应版本的CUDA Toolkit 8.0重新安装。

2. 检查.bashrc里的CUDA环境变量配置是否正确 #

打开你的.bashrc文件看看配置：

nano ~/.bashrc

确认里面有类似下面的配置（路径要和你的CUDA 8.0实际安装路径一致）：

export PATH=/usr/local/cuda-8.0/bin:$PATH
export LD_LIBRARY_PATH=/usr/local/cuda-8.0/lib64:$LD_LIBRARY_PATH

如果配置不对，修改后保存，然后重新加载环境变量：

source ~/.bashrc

之后验证一下变量是否生效：

echo $LD_LIBRARY_PATH

正常情况下应该能看到/usr/local/cuda-8.0/lib64出现在输出里。

3. 让virtualenv继承CUDA的环境变量 #

virtualenv默认会隔离系统环境变量，所以你在.bashrc里配的LD_LIBRARY_PATH可能没被虚拟环境继承。这里有两个解决办法：

方法A：创建虚拟环境时允许继承系统包（不推荐，易污染环境） #

如果还没创建环境，或者愿意重新创建，可以加参数：

virtualenv --system-site-packages your_env_name

但这种方法会让虚拟环境继承系统所有的包，容易引发依赖冲突，更推荐下面的方法B。

方法B：给虚拟环境单独配置环境变量 #

进入你的虚拟环境的bin目录（比如your_env_name/bin），创建一个postactivate文件：

nano your_env_name/bin/postactivate

在里面添加CUDA的环境变量配置：

export LD_LIBRARY_PATH=/usr/local/cuda-8.0/lib64:$LD_LIBRARY_PATH

保存后，下次激活虚拟环境时，这个变量会自动加载。现在激活环境试试：

source your_env_name/bin/activate

再验证一下变量：

echo $LD_LIBRARY_PATH

确认包含CUDA 8.0的lib64路径就行。

4. 直接配置系统级的库缓存 #

如果上面的方法都没效果，可以把CUDA的库路径添加到系统的库缓存配置里，这样所有环境都能找到它：
编辑/etc/ld.so.conf.d/cuda.conf（如果文件不存在就新建）：

sudo nano /etc/ld.so.conf.d/cuda.conf

添加一行：

/usr/local/cuda-8.0/lib64

然后更新系统库缓存：

sudo ldconfig

5. 确认tensorflow-gpu版本和CUDA版本匹配 #

最后别忘了，tensorflow-gpu和CUDA版本是严格对应的——比如tensorflow 1.4.x对应CUDA 8.0，1.5及以上版本对应CUDA 9.0。如果你的tensorflow版本太高，也会找不到CUDA 8.0的库。

在激活的虚拟环境里检查tensorflow版本：

import tensorflow as tf
print(tf.__version__)

如果版本不匹配，卸载当前版本，安装对应CUDA 8.0的版本，比如：

pip uninstall tensorflow-gpu
pip install tensorflow-gpu==1.4.0

内容的提问来源于stack exchange，提问作者blackmamba