Python3.6.4环境Anaconda装Tensorflow1.6.0 GPU版导入报错求助

我之前在Ubuntu上用Anaconda配置TensorFlow GPU的时候也碰到过一模一样的问题，CUDA和cuDNN的路径配置真的很容易踩坑。结合你的环境参数（Ubuntu 16.04、CUDA 9.0.176、cuDNN 7.1.1、TensorFlow 1.6.0），给你几个针对性的排查和解决步骤：

• 第一步：确认cuDNN文件是否存在
  先去CUDA 9.0的默认安装目录/usr/local/cuda-9.0下检查cuDNN的库文件，执行命令：

  ls /usr/local/cuda-9.0/lib64/libcudnn*.so*
  

  如果能看到libcudnn.so.7.1.1（对应你的cuDNN版本），说明文件没问题，只是软链接或路径识别的问题；如果看不到，那大概率是cuDNN没安装到位，需要重新解压cuDNN的压缩包，把include和lib64里的文件分别复制到/usr/local/cuda-9.0/include和/usr/local/cuda-9.0/lib64目录下。

• 第二步：修复libcudnn.so.7的软链接
  TensorFlow 1.6.0需要的是libcudnn.so.7这个软链接，指向实际的libcudnn.so.7.1.1文件。如果上面的命令里只有libcudnn.so.7.1.1和libcudnn.so（可能指向错误版本），手动创建软链接：

  sudo ln -s /usr/local/cuda-9.0/lib64/libcudnn.so.7.1.1 /usr/local/cuda-9.0/lib64/libcudnn.so.7
  

  执行完后用下面的命令确认软链接是否正确：

  ls -l /usr/local/cuda-9.0/lib64/libcudnn.so.7
  

  输出应该显示它指向libcudnn.so.7.1.1。

• 第三步：确保CUDA库路径被系统和Anaconda环境识别
  有时候系统的库路径没包含CUDA的lib64目录，或者Anaconda环境没继承这个路径：

  1. 临时生效（当前终端）：执行下面的命令添加路径，然后激活你的Anaconda环境再测试：

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

  2. 永久生效：编辑~/.bashrc文件（如果用zsh就编辑~/.zshrc），添加两行配置：

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

     保存后执行source ~/.bashrc让配置生效，重启终端后激活环境再尝试导入TensorFlow。

• 第四步：排查Anaconda环境的路径覆盖问题
  Anaconda环境有时候会自带一些库路径，可能屏蔽了系统的CUDA库。激活你的环境后，先查看当前的库路径：

  echo $LD_LIBRARY_PATH
  

  确认/usr/local/cuda-9.0/lib64在输出里。如果不在，可以给这个环境单独配置路径：

  1. 创建环境的激活脚本目录：

     mkdir -p ~/anaconda3/envs/你的环境名/etc/conda/activate.d
     

  2. 创建env_vars.sh文件：

     nano ~/anaconda3/envs/你的环境名/etc/conda/activate.d/env_vars.sh
     

  3. 添加内容：

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

  4. 保存退出，下次激活环境时会自动加载这个路径。

• 第五步：验证TensorFlow的依赖匹配
  虽然你的版本理论上兼容（TensorFlow 1.6.0明确支持CUDA 9.0和cuDNN 7.x），但可以用ldd命令检查TensorFlow的依赖：
  先找到环境里TensorFlow的核心库路径：

  find ~/anaconda3/envs/你的环境名 -name "libtensorflow_framework.so"
  

  然后用ldd检查cuDNN依赖：

  ldd 上面找到的完整路径 | grep cudnn
  

  如果显示libcudnn.so.7 => not found，那还是路径问题；如果能正确找到路径，那可以尝试重新安装TensorFlow（用pip install --force-reinstall tensorflow-gpu==1.6.0）。

内容的提问来源于stack exchange，提问作者vvvvv