【完全版】RTX 6000 Ada + CUDA 11.8 + TensorFlow 2.12.0 のGPU対応環境構築手順（Ubuntu）

概要

NVIDIA RTX 6000 Ada世代のGPUを搭載したLinux（Ubuntu）マシンにおいて、TensorFlow 2.12.0をGPU対応で動作させるための環境構築手順をまとめた。Anaconda環境の構築からTensorFlowによるGPU認識の確認まで、つまずきやすいポイントをすべて含めて記述する。

1. Anacondaのインストール

wget https://repo.anaconda.com/archive/Anaconda3-2022.10-Linux-x86_64.sh
bash Anaconda3-2022.10-Linux-x86_64.sh

インストーラ中の質問には基本的に Enter でOK。
conda init [no] の箇所では 必ず "yes" と入力。

インストール完了後、環境変数を反映：

source ~/.bashrc

(base) がプロンプトに表示されれば完了。

2. conda環境を作成（例: tf212）

conda create -n tf212 python=3.9
conda activate tf212

3. CUDA ToolkitとcuDNNをpipでインストール

pip install --upgrade pip
pip install nvidia-cudnn-cu11==8.6.0.163 nvidia-cublas-cu11

4. TensorFlow 2.12.0のインストール

pip install tensorflow==2.12.0

5. 環境変数の設定（cuDNNのライブラリパスを通す）

mkdir -p $CONDA_PREFIX/etc/conda/activate.d
mkdir -p $CONDA_PREFIX/etc/conda/deactivate.d

activate.d/env_vars.sh:

echo 'export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:$CONDA_PREFIX/lib/python3.9/site-packages/nvidia/cudnn/lib' > $CONDA_PREFIX/etc/conda/activate.d/env_vars.sh

deactivate.d/env_vars.sh:

echo 'unset LD_LIBRARY_PATH' > $CONDA_PREFIX/etc/conda/deactivate.d/env_vars.sh

6. GPUの認識確認

python -c "import tensorflow as tf; print(tf.config.list_physical_devices('GPU'))"

出力例：

[PhysicalDevice(name='/physical_device:GPU:0', device_type='GPU'), PhysicalDevice(name='/physical_device:GPU:1', device_type='GPU')]

これが表示されれば、GPUの利用が可能な状態である。

参考コマンド集

GPUとCUDAの確認：

nvidia-smi

cuDNNライブラリの場所確認：

find $CONDA_PREFIX -name "libcudnn.so*"

補足

RTX 6000 AdaはCUDA 12.1に対応しているが、TensorFlow 2.12はCUDA 11.8がサポート対象。
conda経由のcudnnやcudatoolkitパッケージは互換性に注意が必要なため、pipインストールのほうが安定するケースがある。
TensorFlow 2.12以降ではcuDNNとcuBLASがpipパッケージに分割されているため、個別にインストールが必要。

まとめ

本手順に従うことで、CUDA 11.8 + cuDNN 8.6.0 + TensorFlow 2.12.0の構成でRTX 6000 Adaに対応したGPUアクセラレーション環境が構築できる。特にTensorFlow側の仕様変更（cuDNN/BLASの切り離し）とCUDAのバージョン依存関係に注意することが重要である。