多CUDA环境下设置LD_LIBRARY_PATH后导入tensorflow报Illegal instruction求助

我来帮你一步步排查这个问题，看起来你遇到的是两个关联但不同的问题：库文件找不到，以及设置环境变量后的非法指令错误。

首先，明确版本匹配要求 #

TensorFlow 1.7.0对CUDA和cuDNN有严格的版本要求：必须搭配CUDA 9.0和cuDNN 7.0.x。先确认你的环境满足这个条件：

• 运行nvcc --version，确认输出显示release 9.0（因为你的/usr/local/cuda指向9.0，这个应该没问题）。
• 检查cuDNN版本：打开/usr/local/cuda/include/cudnn.h，查找CUDNN_MAJOR和CUDNN_MINOR定义，确保值为7和0（比如#define CUDNN_MAJOR 7，#define CUDNN_MINOR 0）。如果版本不匹配，需要下载对应版本的cuDNN替换。

问题1：LD_LIBRARY_PATH为空时的ImportError #

这个问题很直接：系统默认的库搜索路径不包含/usr/local/cuda-9.0/lib64，所以TensorFlow找不到CUDA的依赖库。你设置LD_LIBRARY_PATH的方向是对的，但这引出了第二个问题。

问题2：设置环境变量后的Illegal Instruction错误 #

这个错误的核心原因大概率是CPU指令集不兼容：从TensorFlow 1.6版本开始，官方预编译的pip包默认启用了AVX2指令集优化。如果你的CPU不支持AVX2（比如老款的Intel Core i3/i5、AMD早期处理器），就会触发非法指令错误。

验证CPU是否支持AVX2 #

运行以下命令检查：

cat /proc/cpuinfo | grep avx2

如果没有任何输出，说明你的CPU不支持AVX2，需要针对性解决。

解决方法 #

方法1：安装无AVX2优化的TensorFlow 1.7.0包

你可以使用第三方编译的、未启用AVX2优化的TensorFlow wheel包，或者自己编译源码：

• 第三方预编译包：可以在社区资源中找到对应版本的无AVX2包（注意选择适配CUDA 9.0的版本），下载后用pip install 包文件名.whl安装。
• 自己编译源码：
  1. 克隆TensorFlow 1.7.0源码：

     git clone -b v1.7.0 https://github.com/tensorflow/tensorflow.git
     

  2. 配置编译选项：运行./configure，在提示是否使用AVX2优化时选择no，或者手动指定编译参数禁用AVX2。
  3. 编译生成wheel包：

     bazel build --config=opt --copt=-mno-avx2 //tensorflow/tools/pip_package:build_pip_package
     

  4. 安装生成的包：

     pip install ./tensorflow_pkg/生成的包文件名.whl
     

方法2：使用Conda安装（更简单）

Conda会自动处理依赖和指令集适配，尝试用conda安装TensorFlow-GPU 1.7.0：

conda create -n tf17_gpu python=3.6  # 选择对应Python版本，TensorFlow1.7支持3.5-3.6
conda activate tf17_gpu
conda install tensorflow-gpu=1.7.0

Conda会自动安装匹配的CUDA和cuDNN，无需手动设置环境变量，也会根据你的CPU自动选择合适的编译版本。

额外检查 #

如果以上方法无效，再确认环境变量是否正确设置（避免冲突）：

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

确保没有其他版本的CUDA路径干扰（比如CUDA8.0/9.1的路径不要出现在LD_LIBRARY_PATH中）。

内容的提问来源于stack exchange，提问作者Baschdl