这个问题我碰到过好多次了！你遇到的ImportError: libcublas.so.9.0本质是TensorFlow GPU版本依赖的CUDA 9.0库没被系统识别到——要么是你没装CUDA 9.0，要么是装了但环境变量没配置对。下面给你一步步解决的办法：

方案1：安装对应版本的CUDA 9.0（如果系统未安装） #

TensorFlow的GPU版本对CUDA版本有严格的对应要求，你当前安装的TF版本明确依赖CUDA 9.0，所以必须安装这个版本（不能随便装最新版）：

• 先检查系统已有的CUDA版本：执行nvcc --version，如果输出的版本不是9.0，就需要安装CUDA 9.0。
• 下载CUDA 9.0安装包（选择对应Linux系统的版本），安装时选择自定义安装，确保勾选所有包含cublas的组件，默认安装路径是/usr/local/cuda-9.0。
• 同时别忘了安装对应版本的cuDNN（CUDA 9.0对应cuDNN 7.0.x）：下载cuDNN压缩包后，解压将里面的include、lib64文件夹内容复制到/usr/local/cuda-9.0的对应目录下。

方案2：配置CUDA环境变量（如果已安装CUDA 9.0但未配置） #

如果已经装了CUDA 9.0，但系统找不到库文件，就是环境变量没设置：

• 打开你的bash配置文件（比如~/.bashrc或~/.profile）：执行nano ~/.bashrc
• 在文件末尾添加以下两行：

  export LD_LIBRARY_PATH=/usr/local/cuda-9.0/lib64:$LD_LIBRARY_PATH
  export PATH=/usr/local/cuda-9.0/bin:$PATH
  

• 保存退出后，执行source ~/.bashrc让环境变量立即生效。
• 验证配置：执行echo $LD_LIBRARY_PATH，确认输出里包含/usr/local/cuda-9.0/lib64路径。

方案3：更换适配当前CUDA版本的TensorFlow（不想装CUDA 9.0的话） #

如果你的系统已经装了其他版本的CUDA（比如10.0），可以卸载当前的TensorFlow，安装对应版本的：

• 卸载现有TF：pip3 uninstall tensorflow-gpu
• 根据你的CUDA版本安装适配的TF：比如CUDA 10.0对应TensorFlow GPU 1.13.1，执行pip3 install tensorflow-gpu==1.13.1（注意要确认TF和CUDA版本的对应关系，比如TF 2.0+对应CUDA 10.0及以上）。

最后验证 #

配置完成后，重启终端，进入Python3环境执行import tensorflow as tf，如果没有报错，再执行tf.test.is_gpu_available()确认GPU是否能被正确识别。

内容的提问来源于stack exchange，提问作者Vatsalya Awasthi