TensorFlow无法调用NVIDIA GPU问题求助（Windows环境）

1. 确认驱动与硬件兼容性 #

• NVIDIA 1650计算能力为7.5，满足TensorFlow 2.14.0对≥3.5计算能力的要求。
• 打开命令行执行nvidia-smi，查看右上角驱动版本，需≥450.80.02（CUDA 11.8最低适配驱动），低于此版本直接去NVIDIA官网下载更新。

2. 验证CUDA 11.8安装有效性 #

• 命令行执行nvcc -V，若返回CUDA 11.8版本信息则安装正常；若提示命令不存在，检查环境变量：
  • 确认CUDA_PATH指向C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.8
  • Path需包含：
    • C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.8\bin
    • C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.8\libnvvp
• 重启命令行和VSCode，环境变量变更需重启生效。

3. 修正cuDNN配置（避免版本冲突） #

• 适配CUDA 11.8的cuDNN版本为8.9.x系列，禁止同时添加v11.x和v12.x的cuDNN路径到Path：
  • 将cuDNN解压后的bin、include、lib文件夹直接复制到C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.8对应目录下（覆盖原有文件，确保有管理员权限）
  • 仅保留C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.8\bin在Path中，移除所有cuDNN v12.x相关路径。

4. 检查TensorFlow安装与虚拟环境 #

• 确认使用虚拟环境，激活后执行pip list，确保安装的是tensorflow==2.14.0，且未安装tensorflow-cpu（若有则卸载后重装tensorflow）。
• 运行以下代码获取详细检测信息：

  import tensorflow as tf
  print(tf.__version__)
  print(tf.test.is_built_with_cuda())
  print(tf.config.list_physical_devices())
  print(tf.test.gpu_device_name())
  

  • 若is_built_with_cuda()返回False，说明安装的是CPU版TensorFlow，需卸载后重新安装GPU版。

5. 双显卡切换设置（笔记本专属） #

• 联想L340为核显+独显配置，需强制程序使用独显：
  • 打开NVIDIA控制面板→管理3D设置→程序设置，添加VSCode和虚拟环境中的python.exe，设置为「高性能NVIDIA处理器」
  • 或在Windows设置→系统→显示→图形设置中，添加python.exe，选择「高性能」。

6. 收尾排查 #

• 临时关闭Windows Defender或第三方杀毒软件，部分软件会拦截CUDA相关文件。
• 确认VSCode左下角状态栏选中的是目标虚拟环境的Python解释器。
• 重启电脑，确保所有配置生效。

内容的提问来源于stack exchange，提问作者Ruslan