TensorFlow在Windows下无法检测GPU问题求助

一、修正CuDNN版本（核心问题） #

• CUDA 11.6必须搭配CuDNN 8.9.x（如8.9.5），你当前使用的CuDNN 9.0.0是适配CUDA 12.x的版本，和CUDA 11.6完全不兼容，这会直接导致TensorFlow无法加载GPU驱动。
• 操作步骤：
  1. 删除CUDA安装目录下对应CuDNN的文件，完成卸载；
  2. 下载对应CUDA 11.6的CuDNN 8.9.x版本；
  3. 解压后将bin、include、lib目录下的文件，分别复制到CUDA安装目录（默认C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.6）的对应文件夹中。

二、匹配TensorFlow与环境版本 #

• Python 3.8推荐搭配TensorFlow 2.10.0：这是TensorFlow最后一个支持Windows原生GPU的稳定分支，2.11及以上版本官方推荐通过WSL2运行GPU加速，原生Windows环境可能存在兼容性问题。
• 操作：在虚拟环境中执行：

  pip uninstall tensorflow -y
  pip install tensorflow==2.10.0
  

三、检查系统环境变量配置 #

• 确保系统环境变量Path中包含以下路径（没有的话手动添加）：
  • C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.6\bin
  • C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.6\include
  • C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.6\libnvvp
• 添加完成后重启终端或IDE，让环境变量生效。

四、排查GPU检测详细日志 #

• 运行以下代码获取TensorFlow设备分配的详细日志，定位具体错误：

  import tensorflow as tf
  tf.debugging.set_log_device_placement(True)
  
  # 创建测试张量验证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)
  

  日志中会明确显示GPU加载失败的原因（如库文件缺失、版本不匹配等）。

五、关于驱动降级的补充说明 #

• 你之前尝试降级驱动到460.82+CUDA11.2失败，大概率是旧驱动残留导致的兼容性问题。如果要尝试这个组合：
  1. 使用NVIDIA官方的驱动清理工具彻底卸载当前驱动及CUDA组件；
  2. 重新安装驱动460.82和CUDA11.2；
  3. 搭配对应版本的CuDNN（CUDA11.2对应CuDNN8.1.x）。
• 但更推荐保留当前的CUDA11.6+驱动511.65，仅调整CuDNN和TensorFlow版本，无需降级驱动。

内容的提问来源于stack exchange，提问作者Bhakti