TensorFlow-GPU 1.7 Conda安装报错：无法创建Session问题求助

先把你遇到的报错信息贴出来方便定位问题：

2018-04-26 16:34:37.971115: I tensorflow/core/platform/cpu_feature_guard.cc:140] Your CPU supports instructions that this TensorFlow binary was not compiled to use: SSE4.1 SSE4.2 AVX AVX2 FMA
2018-04-26 16:34:38.588037: I tensorflow/core/common_runtime/gpu/gpu...

先给你吃个定心丸：那条CPU指令集的提示只是警告，不是导致"Cannot create session"的直接原因，核心问题出在GPU环境的版本适配上。我之前踩过一模一样的坑，给你几个靠谱的解决步骤：

• 第一步：确认CUDA和cuDNN版本与TensorFlow 1.7完全匹配
  TensorFlow 1.7对依赖版本要求非常严格，必须对应：

  • CUDA 9.0（注意不是9.1/10.x，版本差一点都用不了）
  • cuDNN 7.0.x
    检查CUDA版本可以用这条命令：

  nvcc --version
  

  cuDNN版本可以查看安装目录下的cudnn_version.h文件（Linux一般在/usr/local/cuda/include/，Windows在CUDA安装目录的include文件夹）。如果版本不匹配，先卸载现有CUDA/cuDNN，安装对应版本。

• 第二步：用conda重新安装带指定依赖的TensorFlow-GPU
  直接用conda install -c anaconda tensorflow-gpu可能会自动拉取不匹配的CUDA版本，建议手动指定依赖安装，让conda帮你处理所有兼容问题：

  conda install tensorflow-gpu=1.7 cudatoolkit=9.0 cudnn=7.0
  

• 第三步：验证GPU是否被TensorFlow识别
  运行以下代码检查本地设备列表：

  from tensorflow.python.client import device_lib
  print(device_lib.list_local_devices())
  

  如果输出里没有GPU设备，说明驱动或者CUDA安装有问题，需要检查GPU驱动是否适配CUDA 9.0（比如NVIDIA驱动384.x版本是CUDA9.0的推荐适配版本）。

• 第四步：检查环境变量设置

  • Linux/macOS：确保CUDA的库路径被加入环境变量，终端运行：

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

    可以把这两行加到~/.bashrc或者~/.zshrc里永久生效。
  • Windows：把CUDA安装目录下的bin和libnvvp路径添加到系统的PATH环境变量中。

最后提一句：那条CPU警告完全可以忽略，除非你需要极致的CPU计算性能，否则不需要专门编译TensorFlow源码来支持那些指令集，不影响GPU训练。

内容的提问来源于stack exchange，提问作者Shristee