我在 Python 3.6.4 环境中安装了 Tensorflow 1.6.0 - 带有 anaconda 的 GPU 版本。
当我执行import tensorflow as tf 时，出现以下错误：
ImportError: libcudnn.so.7: cannot open shared object file: No such file or directory
不同的版本：
cudnn : 7.1.1cuda : 9.0.176tensorflow : 1.6.0Ubuntu : 16.04我知道this，但它并没有解决我的问题。
【问题讨论】：
标签： python-3.x tensorflow ubuntu-16.04
接受的答案是错误的（安装nvidia-cuda-toolkit）。通过安装工具包，您基本上是在 nvidia 指南中已安装的 cuda 之上安装第二个 CUDA。
问题原来是符号链接的问题。灵感来自这个话题http://queirozf.com/entries/installing-cuda-tk-and-tensorflow-on-a-clean-ubuntu-16-04-install 但实际分辨率不同
所以在CuDNN 安装过程中的某一时刻nvidia 教程会要求你这样做：
sudo cp cuda/include/cudnn.h /usr/local/cuda/include
sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64
sudo chmod a+r /usr/local/cuda/include/cudnn.h /usr/local/cuda/lib64/libcudnn*
这种方法的问题是使用过滤器libcudnn* 复制文件会破坏复制文件的符号链接。相反，我建议运行以下命令，但它仍然会破坏链接：
sudo cp --preserve=links cuda/lib64/libcudnn* /usr/local/cuda/lib64
您可以通过在/usr/local/cuda/lib64 文件夹中运行ls -lha libcudnn* 来验证链接。如果你碰巧没有看到这样的图片：
lrwxrwxrwx 1 root root 13 May 2 20:02 libcudnn.so -> libcudnn.so.7
lrwxrwxrwx 1 root root 17 May 2 20:02 libcudnn.so.7 -> libcudnn.so.7.6.5
-rwxr-xr-x 1 root root 409M 5月2日20:02 libcudnn.so.7.6.5
-rw-r--r-- 1 root root 386M 5月2日20:02 libcudnn_static.a
然后你就发现了问题。实际的解决方案涉及执行以下操作：
sudo rm /usr/local/cuda/lib64/libcudnn.so
sudo rm /usr/local/cuda/lib64/libcudnn.so.7
cd /usr/local/cuda/lib64/
sudo ln -s libcudnn.so.7.6.5 libcudnn.so.7
sudo ln -s libcudnn.so.7 libcudnn.so
删除旧的“链接”并创建新的。使用ls -lha libcudnn* 再次验证链接。之后以详细模式运行以下命令：
sudo ldconfig -v
检查日志。我不知道它究竟做了什么，但事实证明这是非常重要的事情。此外，如果日志显示符号链接已损坏或类似情况，则 tensorflow 将继续显示主题中提到的错误。
奖励！确保您将以下路径附加为最后一行nano ~/.bashrc
export PATH=/usr/local/cuda/bin:/opt/nvidia/nsight-compute/2019.4.0${PATH:+:${PATH}}
export LD_LIBRARY_PATH=/usr/local/cuda/lib64:/usr/local/cuda/extras/CUPTI/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}
export CUDADIR=/usr/local/cuda${CUDADIR:+:${CUDADIR}}
export CUDA_HOME=/usr/local/cuda
然后运行命令source ~/.bashrc
以上所有步骤都假设您没有使用nvidia-cuda-toolkit，而是使用了nvidia cuda repo。
另外，在安装 CUDA 时，请确保您的目标不是10.2。在写TF的时候支持到Cuda 10.1的版本，所以下面是安装必要版本的正确方法：
sudo apt-cache policy cuda
sudo apt-get install cuda=10.1.243-1
验证人：
nvcc --version
nvidia-smi
编辑：我发现运行ldconfig 命令后应该避免看到的错误：
/usr/local/cuda-10.1/targets/x86_64-linux/lib:
...
libnppist.so.10 -> libnppist.so.10.2.0.243
libcuinj64.so.10.1 -> libcuinj64.so.10.1.243
> /sbin/ldconfig.real: /usr/local/cuda-10.1/targets/x86_64-linux/lib /libcudnn.so.7 不是符号链接
libcudnn.so.7 -> libcudnn.so.7.6.5
libnppc.so.10 -> libnppc.so.10.2.0.243
libnppicom.so.10 -> libnppicom.so.10.2.0.243
libnvgraph.so.10 -> libnvgraph.so.10.1.243
/usr/lib/x86_64-linux-gnu/libfakeroot:
...
如果您看到它，那么仍然有一些配置错误。
【讨论】：
我没有足够的声誉来评论亚历克斯的回答。但是现在在 Ubuntu 20.04 上，路径已经改变了！另外，现在做cp时不需要--preserve=links！所以我可能应该发布一个新答案：
在conda create --name tfgpu10.1 python=3.8 创建的环境中，为 TensorFlow 2.3.1 和 CUDA 10.1 安装 cuDNN 库 7.6：
tar -xvzf cudnn-10.1-linux-x64-v7.6.5.32.tgz提取
sudo cp cuda/include/cudnn.h /usr/lib/cuda/include/
sudo cp cuda/lib64/libcudnn* /usr/lib/cuda/lib64/
sudo chmod a+r /usr/lib/cuda/include/cudnn.h /usr/lib/cuda/lib64/libcudnn*
测试输出：
Python 3.8.5 (default, Sep 4 2020, 07:30:14)
[GCC 7.3.0] :: Anaconda, Inc. on linux
Type "help", "copyright", "credits" or "license" for more information.
>>> import tensorflow as tf
2020-12-02 03:58:41.089993: I tensorflow/stream_executor/platform/default/dso_loader.cc:48] Successfully opened dynamic library libcudart.so.10.1
>>> tf.config.list_physical_devices("GPU")
2020-12-02 03:58:48.538295: I tensorflow/stream_executor/platform/default/dso_loader.cc:48] Successfully opened dynamic library libcuda.so.1
2020-12-02 03:58:48.587523: I tensorflow/stream_executor/cuda/cuda_gpu_executor.cc:982] successful NUMA node read from SysFS had negative value (-1), but there must be at least one NUMA node, so returning NUMA node zero
2020-12-02 03:58:48.587838: I tensorflow/core/common_runtime/gpu/gpu_device.cc:1716] Found device 0 with properties:
pciBusID: 0000:01:00.0 name: GeForce GTX 1650 Ti computeCapability: 7.5
coreClock: 1.485GHz coreCount: 16 deviceMemorySize: 3.82GiB deviceMemoryBandwidth: 178.84GiB/s
2020-12-02 03:58:48.587860: I tensorflow/stream_executor/platform/default/dso_loader.cc:48] Successfully opened dynamic library libcudart.so.10.1
2020-12-02 03:58:48.589111: I tensorflow/stream_executor/platform/default/dso_loader.cc:48] Successfully opened dynamic library libcublas.so.10
2020-12-02 03:58:48.590284: I tensorflow/stream_executor/platform/default/dso_loader.cc:48] Successfully opened dynamic library libcufft.so.10
2020-12-02 03:58:48.590488: I tensorflow/stream_executor/platform/default/dso_loader.cc:48] Successfully opened dynamic library libcurand.so.10
2020-12-02 03:58:48.591785: I tensorflow/stream_executor/platform/default/dso_loader.cc:48] Successfully opened dynamic library libcusolver.so.10
2020-12-02 03:58:48.592520: I tensorflow/stream_executor/platform/default/dso_loader.cc:48] Successfully opened dynamic library libcusparse.so.10
2020-12-02 03:58:48.595129: I tensorflow/stream_executor/platform/default/dso_loader.cc:48] Successfully opened dynamic library libcudnn.so.7
2020-12-02 03:58:48.595213: I tensorflow/stream_executor/cuda/cuda_gpu_executor.cc:982] successful NUMA node read from SysFS had negative value (-1), but there must be at least one NUMA node, so returning NUMA node zero
2020-12-02 03:58:48.595555: I tensorflow/stream_executor/cuda/cuda_gpu_executor.cc:982] successful NUMA node read from SysFS had negative value (-1), but there must be at least one NUMA node, so returning NUMA node zero
2020-12-02 03:58:48.595815: I tensorflow/core/common_runtime/gpu/gpu_device.cc:1858] Adding visible gpu devices: 0
[PhysicalDevice(name='/physical_device:GPU:0', device_type='GPU')]
【讨论】：
我安装了nvidia-cuda-toolkit 包：
$ sudo apt install nvidia-cuda-toolkit
它成功了。
我在 tensorflow 网站和 nvidia 安装页面上都没有找到解决方案。我在寻找使用命令行获取 cuda 版本的方法时幸运地找到了它：How to get the cuda version?
【讨论】：
这对我不起作用，在我的情况下，这是因为我安装了多个版本的 Cuda，并且我拥有的 cudnn 版本比我尝试使用的版本更旧，所以我安装了 cudnn紧随 nvidia 的 instructions 之后的新版本就为我做到了。
【讨论】：