使用Anaconda安装cuDNN 6.0.0后缺失libcudnn.so.6的问题咨询

你遇到的情况是Anaconda环境隔离机制导致的，完全符合预期——conda安装的CUDA和cuDNN是仅存在于你的目标conda环境内部的，不会覆盖或修改系统级/usr/local/cuda目录下的文件。

为什么会这样？ #

• Conda的核心优势就是环境隔离，它会把所有包（包括cuda、cudnn）安装在你指定的conda环境目录中（比如~/anaconda3/envs/your_env/lib），而不是系统的全局路径/usr/local/cuda。
• 你看到的/usr/local/cuda/lib64里的libcudnn.so.5是系统之前安装的全局版本，和你conda环境里的cudnn 6.0.0完全独立，两者互不干扰。

怎么让TensorFlow 1.4找到conda安装的cuDNN 6？ #

其实很简单，只要确保你在激活conda环境的状态下运行TensorFlow就行：

1. 激活你的conda环境：

   # 新版conda
   conda activate your_env_name
   # 旧版conda（比如conda 4.6及之前）
   source activate your_env_name
   

2. 验证环境内的cuDNN是否存在：
   可以直接查看环境的lib目录：

   ls $CONDA_PREFIX/lib | grep libcudnn
   

   这里应该能看到libcudnn.so.6和对应的软链接。
3. 运行TensorFlow：
   激活环境后，Python会优先加载环境内的库文件，所以直接运行你的TensorFlow代码，应该就能正常找到libcudnn.so.6了。如果还是报错，可以手动设置环境变量：

   export LD_LIBRARY_PATH=$CONDA_PREFIX/lib:$LD_LIBRARY_PATH
   

4. 确认GPU可用：
   运行以下代码验证：

   import tensorflow as tf
   print("TensorFlow版本:", tf.__version__)
   print("GPU是否可用:", tf.test.is_gpu_available())
   

额外提醒 #

• 不要试图去修改/usr/local/cuda的文件来适配conda环境，这会破坏系统级CUDA的完整性，还可能影响其他依赖旧版本cudnn的程序。
• Conda环境的隔离设计就是为了让不同项目使用不同版本的依赖，所以保持这种隔离是更稳妥的做法。

内容的提问来源于stack exchange，提问作者Jay Wang