使用Bazel从源码构建TensorFlow时出现CUDA库未找到错误

先回应你关于预构建版本的需求，再解决源码构建时的库缺失问题：

一、适配CUDA 3.0的预构建TensorFlow版本 #

由于你的GPU仅支持Compute Capability 3.0，TensorFlow从1.13版本开始就不再对该算力提供官方支持，所以你需要选择1.12及更早的版本，同时匹配你的CUDA 9.0环境：

• 推荐安装TensorFlow GPU 1.12.0，这个版本既兼容CUDA 9.0 + CuDNN 7.x，也支持Compute Capability 3.0的GPU，直接用pip安装即可：

  pip install tensorflow-gpu==1.12.0
  

• 如果你需要更早期的版本，比如1.11.0也可以，但1.12.0是最后一个支持CC3.0的稳定版本，功能相对更完善。

二、解决源码构建时的CUDA库缺失问题 #

如果坚持从源码构建，你遇到的“找不到多个CUDA库”问题，大概率是环境变量配置不完整或者Bazel未正确识别CUDA路径导致的，试试以下步骤：

1. 确认CUDA/CuDNN环境变量配置
   先检查你的~/.bashrc（或~/.zshrc）里是否添加了完整的CUDA相关环境变量，添加后执行source ~/.bashrc生效：

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

   验证配置是否生效：

   • 执行echo $CUDA_HOME，应输出/usr/local/cuda-9.0
   • 执行ldconfig -p | grep libcudart，应能看到libcudart.so.9.0的路径

2. 在Bazel构建命令中明确指定CUDA路径
   有时候Bazel无法自动识别CUDA安装路径，你可以在构建命令里手动指定，修改后的命令如下：

   bazel build --config=opt --config=cuda \
     --action_env=CUDA_PATH=/usr/local/cuda-9.0 \
     --action_env=CUDNN_INSTALL_PATH=/usr/local/cuda-9.0 \
     --cxxopt="-D_GLIBCXX_USE_CXX11_ABI=0" \
     //tensorflow/tools/...
   

   （注：如果你的CuDNN不是安装在CUDA目录下，需要把CUDNN_INSTALL_PATH改成CuDNN实际路径）

3. 检查CuDNN版本与文件完整性
   你提到的CuDnn 1.7.3应该是笔误吧？CUDA 9.0对应的CuDNN版本应为7.x系列（比如7.3.1），请确认：

   • /usr/local/cuda-9.0/lib64下存在libcudnn.so.7、libcudnn.so.7.3.x（x为具体版本号）的文件
   • 如果缺少软链接，可手动创建：

     sudo ln -s /usr/local/cuda-9.0/lib64/libcudnn.so.7.3.1 /usr/local/cuda-9.0/lib64/libcudnn.so.7
     sudo ln -s /usr/local/cuda-9.0/lib64/libcudnn.so.7 /usr/local/cuda-9.0/lib64/libcudnn.so
     

4. 确认CUPTI库已安装并可被访问
   TensorFlow依赖CUDA的CUPTI工具库，该库位于/usr/local/cuda-9.0/extras/CUPTI/lib64，请确认这个路径已加入LD_LIBRARY_PATH，且目录下存在libcupti.so.9.0文件。

内容的提问来源于stack exchange，提问作者Connor O'Hara