如何让Keras模型在NVIDIA RTX 2080 Ti GPU上训练（Windows环境）

1. 核对版本兼容性 #

TensorFlow 2.15.0官方要求的CUDA版本为12.2，你当前安装的CUDA 12.3与该版本的TensorFlow不兼容，这是GPU无法被识别的核心原因之一。需卸载CUDA 12.3，重新安装CUDA 12.2。

2. 匹配对应版本的cuDNN #

CUDA 12.2需搭配cuDNN 8.9.4版本使用。下载cuDNN后，将其bin、include、lib目录下的文件，分别复制到CUDA 12.2安装目录的对应文件夹中（默认路径为C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.2）。

3. 验证系统环境变量配置 #

确保系统环境变量包含以下内容：

• 新增CUDA_PATH变量，值为CUDA 12.2的安装目录（如C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.2）
• 在PATH变量中添加：
  • C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.2\bin
  • C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.2\libnvvp
  • C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.2\extras\CUPTI\lib64

4. 检查NVIDIA驱动版本 #

RTX 2080 Ti需要安装支持CUDA 12.2的驱动，推荐版本为535.104.05或更高。可通过NVIDIA控制面板查看当前驱动版本，若版本过低则更新至符合要求的版本。

5. 重新验证GPU识别 #

打开你的虚拟环境p311_deeplearning，运行以下代码检查GPU状态：

import tensorflow as tf
print(tf.config.list_physical_devices('GPU'))

若输出中包含GPU设备信息，说明配置成功。

6. 额外排查点 #

• 确认虚拟环境中安装的是GPU版本的TensorFlow：卸载现有版本后重新安装

  pip uninstall tensorflow
  pip install tensorflow==2.15.0
  

• 检查电脑BIOS设置，确认GPU加速选项已开启（部分机型默认关闭该选项）

内容的提问来源于stack exchange，提问作者mirArnold