TensorFlow无法识别NVIDIA GeForce RTX 3050 6GB GPU问题求助

TensorFlow无法识别NVIDIA GeForce RTX 3050 6GB GPU，电脑系统能正常识别GPU，但TensorFlow检测不到可用GPU。

测试代码 #

import tensorflow as tf

print("Num GPUs Available: ", len(tf.config.list_physical_devices('GPU')))

报错信息 #

W tensorflow/stream_executor/platform/default/dso_loader.cc:64] Could not load dynamic library 'cudart64_110.dll'; dlerror: cudart64_110.dll not found
I tensorflow/stream_executor/cuda/cudart_stub.cc:29] Ignore above cudart dlerror if you do not have a GPU set up on your machine.
W tensorflow/stream_executor/platform/default/dso_loader.cc:64] Could not load dynamic library 'cublas64_11.dll'; dlerror: cublas64_11.dll not found
W tensorflow/stream_executor/platform/default/dso_loader.cc:64] Could not load dynamic library 'cublasLt64_11.dll'; dlerror: cublasLt64_11.dll not found
W tensorflow/stream_executor/platform/default/dso_loader.cc:64] Could not load dynamic library 'cufft64_10.dll'; dlerror: cufft64_10.dll not found
W tensorflow/stream_executor/platform/default/dso_loader.cc:64] Could not load dynamic library 'cusparse64_11.dll'; dlerror: cusparse64_11.dll not found
W tensorflow/core/common_runtime/gpu/gpu_device.cc:1934] Cannot dlopen some GPU libraries. Please make sure the missing libraries mentioned above are installed properly if you would like to use GPU. Follow the guide at https://www.tensorflow.org/install/gpu for how to download and setup the required libraries for your platform.
Skipping registering GPU devices...
Num GPUs Available: 0

已尝试操作 #

• 安装TensorFlow 2.15，问题依旧
• 确认NVIDIA控制面板中GPU处于启用状态
• 将CUDA和cuDNN添加至系统路径

环境信息 #

核心问题：版本不匹配 #

报错显示TensorFlow在寻找CUDA 11.x系列的动态库（如cudart64_110.dll），但你安装的是CUDA 12.3.2，版本完全不兼容。不同TensorFlow版本对应特定的CUDA、cuDNN版本，必须严格匹配。

方案1：降级CUDA/cuDNN适配现有TensorFlow版本 #

若保留TensorFlow 2.10.1：

• 卸载当前CUDA 12.3.2，安装CUDA 11.2
• 安装对应版本的cuDNN 8.1.0
• 清理系统PATH，只保留CUDA 11.2的bin、libnvvp路径，删除旧版本路径
• 重启电脑后重新运行测试代码

若使用TensorFlow 2.15：

• 卸载当前CUDA 12.3.2，安装CUDA 12.2
• 安装对应版本的cuDNN 8.9.4
• 配置PATH后重启测试

方案2：升级TensorFlow适配CUDA 12.3 #

TensorFlow 2.16及以上版本开始支持CUDA 12.3，操作步骤：

• 卸载现有TensorFlow，安装tensorflow==2.16.1（或更高稳定版）
• 确认cuDNN 8.9.7.29与CUDA 12.3兼容（该版本适配）
• 验证系统PATH中CUDA 12.3的bin目录在最优先位置
• 重启后测试

额外检查项 #

• 升级NVIDIA显卡驱动至对应版本：RTX 3050适配CUDA 11.x需驱动≥450.80.02，适配CUDA 12.x需驱动≥535.86.05
• 虚拟环境验证：若使用conda/venv，确保环境中安装的是标准tensorflow包（无需单独安装tensorflow-gpu，新版已整合GPU支持）
• PATH有效性验证：打开命令提示符，输入where cudart64_xx.dll（xx对应所需版本号），确认能定位到该文件

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