我通过命令安装了 TensorFlow nightly build 版本
pip install tf-nightly-gpu --prefix=/tf/install/path
当我尝试运行任何 XLA 示例时，TensorFlow 出现错误“无法找到 libdevice dir。使用‘.’” 无法将 ptx 编译到 cubin。将尝试让 GPU 驱动程序编译 ptx。未找到：/usr/local/cuda-10.0/bin/ptxas 未找到”。
所以显然 TensorFlow 找不到我的 CUDA 路径。在我的系统中，CUDA安装在/cm/shared/apps/cuda/toolkit/10.0.130中。由于我没有从源代码构建 TensorFlow，因此默认情况下 XLA 搜索文件夹 /user/local/cuda-*。但由于我没有这个文件夹，所以会出现错误。
目前我的解决方法是创建一个符号链接。我检查了tensorflow/compiler/xla/service/gpu/nvptx_compiler.cc中的TensorFlow源代码。文件中有一条注释“//用户通过--xla_gpu_cuda_data_dir显式指定的CUDA位置具有最高优先级”。那么如何将值传递给这个标志呢？我尝试了以下两个环境变量，但都不起作用：
export XLA_FLAGS="--xla_gpu_cuda_data_dir=/cm/shared/apps/cuda10.0/toolkit/10.0.130/"
export TF_XLA_FLAGS="--xla_gpu_cuda_data_dir=/cm/shared/apps/cuda10.0/toolkit/10.0.130/"
那么如何使用标志“--xla_gpu_cuda_data_dir”呢？谢谢。