已安装CUDA和CuDNn，TensorFlow无法检测GPU问题求助

1. 确认版本兼容性 #

TensorFlow对CUDA、CuDNN有严格的版本匹配要求，并非最新版本就兼容。CUDA 12.6需对应TensorFlow 2.16及以上版本，先检查当前TensorFlow版本：

pip show tensorflow

若版本低于2.16，卸载后安装对应版本：

pip uninstall tensorflow -y
pip install tensorflow==2.16.1

2. 检查环境变量配置 #

• 系统变量PATH需添加以下路径：
  • C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.6\bin
  • C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.6\libnvvp
• 新增系统变量CUDA_PATH，值为C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.6
• 新增系统变量CUDNN_PATH，值为CuDNN解压后的根目录（如C:\tools\cuda）
• 将CuDNN目录下的bin、include、lib文件夹内容，分别复制到CUDA对应同名目录中（覆盖原有文件）

3. 验证CUDA与CuDNN功能正常 #

• 运行CUDA自带的deviceQuery工具（路径：C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.6\extras\demo_suite\deviceQuery.exe），输出显示Result = PASS则CUDA本身正常。
• 确保下载的CuDNN是适配CUDA 12.6的版本，而非通用最新版。

4. 调试TensorFlow设备分配 #

运行以下代码查看详细日志，定位具体问题：

import tensorflow as tf
tf.debugging.set_log_device_placement(True)
# 创建张量测试GPU分配
a = tf.constant([1.0, 2.0, 3.0, 4.0, 5.0, 6.0], shape=[2, 3], name='a')
b = tf.constant([1.0, 2.0, 3.0, 4.0, 5.0, 6.0], shape=[3, 2], name='b')
c = tf.matmul(a, b)
print(c)

日志会显示设备分配细节，若存在错误（如依赖缺失、版本不匹配），根据提示修复。

5. 其他排查点 #

• 确认你的NVIDIA显卡计算能力≥3.5（可在NVIDIA官网查询显卡参数）。
• 重启电脑或重新激活虚拟环境，确保环境变量生效。

内容的提问来源于stack exchange，提问作者Sarath Siddharth