TensorFlow GPU版本无法识别GPU：CUDA12.6、cuDNN及环境变量问题

核心问题：版本兼容性不匹配 #

你的CUDA 12.6、cuDNN 9.3.0仅支持TensorFlow 2.17及以上版本，若当前安装的TensorFlow版本低于2.17，必然无法识别GPU。以下是具体排查和解决流程：

1. 检查当前TensorFlow版本与安装类型 #

执行命令确认版本：

pip show tensorflow

• 若版本低于2.17：要么升级TensorFlow到2.17+，要么降级CUDA/cuDNN到对应兼容版本（比如TensorFlow 2.15对应CUDA 12.2、cuDNN 8.9）。
• 若版本符合但仍无法识别：大概率是环境变量配置错误或cuDNN未正确部署。

2. 修复环境变量与cuDNN部署 #

• 配置CUDA环境变量：将以下路径添加到系统PATH（顺序需靠前）：
  • C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.6\bin
  • C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.6\libnvvp
• 部署cuDNN：解压cuDNN压缩包，将其中bin、include、lib目录下的所有文件，分别复制到CUDA安装目录的对应子目录中（覆盖同名文件）。
• 重启终端/IDE：确保环境变量生效后再测试。

3. 重新安装对应版本的TensorFlow #

卸载现有版本后，安装匹配的TensorFlow：

pip uninstall tensorflow -y
# 安装支持CUDA12.6的TensorFlow 2.17
pip install tensorflow==2.17.0

4. 额外排查点 #

• 打开设备管理器，确认NVIDIA GeForce RTX 4070 Laptop GPU未被禁用，驱动状态正常。
• 关闭WSL、虚拟机等可能占用GPU的程序，避免GPU资源被抢占。
• 执行以下代码再次验证：

import tensorflow as tf
print("GPU设备列表:", tf.config.list_physical_devices('GPU'))
print("GPU是否可用:", tf.test.is_gpu_available())

内容的提问来源于stack exchange，提问作者özgür Sanli