TensorFlow C++设置GPU设备报错：GPU设备工厂重复注册

我之前也碰到过一模一样的问题，在TensorFlow C++版本里设置默认GPU设备时触发了F tensorflow/core/common_runtime/device_factory.cc:77] Duplicate registration of device factory for type GPU with the same priority 210错误，Python版本却完全正常，折腾了好一阵才找到几个可行的方向，分享给你：

1. 排查库链接的重复引用问题 #

这个错误大概率和重复链接TensorFlow的GPU相关库有关。比如你的项目可能同时静态链接了TensorFlow核心库和GPU库，或者动态链接时不小心引入了多份GPU设备工厂的注册代码：

• 如果是CMake项目，检查find_package(TensorFlow)的配置，确保只链接正确的GPU版本库，不要同时混入CPU版本的库。
• 确认编译链接参数里没有重复包含libtensorflow_framework.so或libtensorflow_cc.so的GPU版本。

2. 换一种指定GPU的方式（推荐） #

你当前是通过修改GraphDef设置默认设备，试试在创建Session前通过ConfigProto配置GPU选项，这种方式比修改GraphDef更可靠，也能避开设备注册冲突：

tensorflow::SessionOptions options;
tensorflow::ConfigProto& config = options.config;
config.set_allow_soft_placement(true);

// 配置GPU可见性与参数
auto* gpu_options = config.mutable_gpu_options();
gpu_options->set_visible_device_list("3"); // 指定使用GPU编号3
gpu_options->set_allow_growth(true); // 按需分配显存

// 创建Session并加载模型
std::unique_ptr<tensorflow::Session> session(tensorflow::NewSession(options));
tensorflow::Status load_status = session->Create(graph_def);
if (!load_status.ok()) {
    std::cerr << "Failed to create session: " << load_status.ToString() << std::endl;
    return load_status;
}

3. 检查版本兼容性与编译环境 #

如果你的TensorFlow是自行编译的，要确保编译时的CUDA、cuDNN版本和运行环境完全匹配。另外，部分旧版本的TensorFlow C++ API存在多次初始化GPU设备时重复注册的bug，尝试升级到2.x系列的稳定后期版本可能会解决问题。

4. 避免重复初始化TensorFlow环境 #

确保你的程序全局只初始化一次TensorFlow环境，不要多次调用NewSession或重复加载模型时重复触发设备注册逻辑。如果是多线程/多实例场景，要做好全局初始化的控制。

另外你提到用root权限运行没用，确实这个问题和权限无关，主要还是库链接、API调用时机或版本的问题。

内容的提问来源于stack exchange，提问作者Pavle