TensorFlow无法识别GPU求助：已尝试常见方案仍未解决

环境信息 #

• PyCharm教育版
• Python版本：3.11
• 已安装库：numpy 1.26.2、pandas 2.1.4、scikit-learn 1.3.2、tensorflow 2.15.0（含全部依赖包）
• 硬件配置：Intel i5 10300H CPU、NVIDIA GTX 1650 GPU

测试代码及输出 #

运行代码： #

import tensorflow as tf
print(tf.config.list_physical_devices())
print(tf.config.list_physical_devices("GPU"))
print(tf.config.list_physical_devices("CPU"))

输出结果： #

[PhysicalDevice(name='/physical_device:CPU:0', device_type='CPU')]
[]
[PhysicalDevice(name='/physical_device:CPU:0', device_type='CPU')]

已尝试操作 #

• 通过GeForce Experience更新显卡驱动
• 安装CUDA Toolkit（未完成后续配置）
• 重装TensorFlow
• nvidia-smi命令可正常显示GPU状态
• 已知tensorflow-gpu包已整合到tensorflow主包中

可行排查方案 #

• 确认CUDA与TensorFlow版本匹配：TensorFlow 2.15.0要求适配CUDA 12.2版本，检查你安装的CUDA Toolkit版本是否符合，版本不匹配是GPU无法识别的常见原因。
• 配置系统环境变量：
  • 将CUDA安装目录下的bin路径（例如C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.2\bin）添加到系统Path环境变量
  • 将CUDA安装目录下的libnvvp路径（例如C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.2\libnvvp）添加到系统Path环境变量
• 安装对应版本的cuDNN：TensorFlow 2.15.0需要搭配cuDNN 8.9.4（适配CUDA 12.2），下载后解压，将解压得到的bin、include、lib文件夹内的文件分别复制到CUDA Toolkit对应的同名文件夹中。
• 检查PyCharm解释器环境：确认PyCharm当前使用的Python解释器是你安装TensorFlow的那个环境（虚拟环境或全局环境），避免环境不一致导致的依赖问题。
• 强制GPU内存增长配置：在代码开头添加以下代码，强制TensorFlow检测并使用GPU：

  physical_devices = tf.config.experimental.list_physical_devices('GPU')
  if physical_devices:
      tf.config.experimental.set_memory_growth(physical_devices[0], True)
  

• 验证CUDA功能正常：运行CUDA安装目录下的deviceQuery示例程序，确认CUDA本身能正常识别GPU设备。

内容的提问来源于stack exchange，提问作者Mixony