2024年TensorFlow无法检测RTX 3050 Laptop GPU问题求助

环境信息 #

• GPU：RTX 3050 Laptop GPU
• 系统：Windows 11
• Python版本：3.11
• NVIDIA驱动版本：555.99（CUDA Version 12.5）
• nvcc版本：12.5.40
• cuDNN版本：8.9.7
• 已安装最新Microsoft Visual C++ Redistributable

已执行操作 #

• 安装tensorflow主包（知晓tensorflow-gpu已废弃）
• 将cuDNN部署至正确路径，并配置系统PATH：

  C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.5\bin
  C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.5\libnvvp
  C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.5\extras\CUPTI\lib64
  

• 尝试过VS Code和Anaconda环境，均无法检测到GPU

遇到的提示 #

The "tensorflow-gpu" package has been removed!

Please install "tensorflow" instead.

Other than the name, the two packages have been identical
since TensorFlow 2.1, or roughly since Sep 2019. For more
information, see: pypi.org/project/tensorflow-gpu

1. 匹配TensorFlow与CUDA版本 #

TensorFlow 2.15及以下仅支持CUDA 11.8，你当前用的是CUDA 12.5，必须安装TensorFlow 2.16及以上版本（该版本开始适配CUDA 12.x），执行命令：

pip install tensorflow>=2.16

2. 补充cuDNN关键PATH配置 #

当前PATH缺少cuDNN核心路径，需添加：

• C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.5\include
• C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.5\lib\x64
  添加后重启电脑，确保环境变量生效。

3. 验证CUDA与cuDNN可用性 #

打开命令提示符，执行以下命令确认系统识别到依赖：

# 检查CUDA版本
nvcc -V
# 检查cuDNN版本
cd "C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.5\include"
findstr /R "CUDNN_MAJOR CUDNN_MINOR CUDNN_PATCH" cudnn_version.h

确认输出的cuDNN版本为8.9.7。

4. 测试GPU检测 #

创建test_gpu.py脚本，运行验证：

import tensorflow as tf
print("TensorFlow版本:", tf.__version__)
print("可用GPU数量:", len(tf.config.list_physical_devices('GPU')))
print("GPU设备详情:", tf.config.list_physical_devices('GPU'))

若输出包含RTX 3050信息，则配置成功。

5. Anaconda环境额外处理 #

使用Anaconda时，建议创建独立虚拟环境避免依赖冲突：

conda create -n tf_gpu python=3.11
conda activate tf_gpu
pip install tensorflow>=2.16

内容的提问来源于stack exchange，提问作者Yakame Program80