如何在TensorFlow中使用GPU 1而非GPU 0？

1. 先排查系统层面的显卡识别问题 #

• 打开终端/命令行，执行nvidia-smi（针对NVIDIA独立显卡），确认是否能检测到独立GPU。如果该命令无法识别独立显卡，需先解决系统层面问题：
  • 进入笔记本BIOS，确认独立显卡已启用（部分机型默认可能关闭）。
  • 卸载现有显卡驱动，安装显卡厂商官方最新驱动（如NVIDIA官网下载对应型号的驱动程序）。
  • 在系统图形设置中，将Python程序或你的IDE（如VS Code、Jupyter）设置为优先使用独立显卡（Windows在「图形设置」中配置，Linux通过NVIDIA X Server Settings切换）。

2. 验证TensorFlow环境正确性 #

• 确认安装的是TensorFlow GPU兼容版本：执行pip list | grep tensorflow，若仅显示tensorflow，需确保已匹配对应版本的CUDA和cuDNN（比如TF2.15对应CUDA 12.2、cuDNN 8.9）。
• 若之前安装的是CPU版TensorFlow，卸载后重新安装GPU版：pip uninstall tensorflow && pip install tensorflow[and-cuda]（TF2.10+版本支持自动配置CUDA依赖）。

3. 强制指定TensorFlow使用独立GPU #

当系统能识别到独立GPU后，通过以下方式让TensorFlow优先使用GPU 1：

• 在Python代码中设置：

  import os
  # 仅让TensorFlow可见GPU 1
  os.environ["CUDA_VISIBLE_DEVICES"] = "1"
  import tensorflow as tf
  
  # 验证是否成功识别GPU 1
  print("可用GPU设备:", tf.config.list_physical_devices('GPU'))
  

• 在启动脚本前设置环境变量：
  • Linux/macOS终端：CUDA_VISIBLE_DEVICES=1 python your_training_script.py
  • Windows命令行：set CUDA_VISIBLE_DEVICES=1 && python your_training_script.py

内容的提问来源于stack exchange，提问作者Mohammadhossein Tamimi