已配置CUDA/cuDNN兼容环境，TensorFlow仍无法检测GPU求助

步骤1：确认Conda环境内TensorFlow的GPU识别能力 #

• 打开终端，激活你安装TensorFlow的Conda环境：conda activate your_tensorflow_env（替换为你的环境名）
• 在该环境的Python交互模式下运行以下代码：

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

  • 若此处能输出GPU设备信息，说明问题出在Jupyter的内核配置；若仍无法识别，先重新核对CUDA、cuDNN与TensorFlow的版本兼容性，以及系统环境变量的正确性。

步骤2：将Conda环境注册为Jupyter内核 #

• 在激活的环境中安装ipykernel：conda install ipykernel
• 把当前环境添加到Jupyter的内核列表：python -m ipykernel install --user --name=your_tensorflow_env --display-name="TensorFlow GPU 环境"
• 重启Jupyter Notebook，在右上角内核选择菜单中切换到刚添加的内核，重新运行测试代码。

步骤3：检查Jupyter内的环境变量 #

• 在Jupyter中运行以下代码，确认CUDA相关路径是否被正确加载：

  import os
  print("CUDA_HOME:", os.environ.get("CUDA_HOME"))
  print("PATH包含CUDA路径:", any("cuda" in p.lower() for p in os.environ.get("PATH", "").split(os.pathsep)))
  print("LD_LIBRARY_PATH包含CUDA库:", any("cuda" in p.lower() for p in os.environ.get("LD_LIBRARY_PATH", "").split(os.pathsep))) # Linux/macOS
  

  • 若路径缺失，可在代码开头手动添加（替换为你的CUDA实际路径）：

    import os
    os.environ["CUDA_HOME"] = "/usr/local/cuda-12.2"
    os.environ["PATH"] += os.pathsep + os.path.join(os.environ["CUDA_HOME"], "bin")
    os.environ["LD_LIBRARY_PATH"] += os.pathsep + os.path.join(os.environ["CUDA_HOME"], "lib64") # Linux/macOS
    

步骤4：验证TensorFlow版本类型 #

• 在激活的Conda环境中运行pip list | grep tensorflow，确认安装的是支持GPU的TensorFlow版本（TF 2.10+无需单独安装tensorflow-gpu，但需确保安装过程中自动拉取了GPU依赖）。
• 若显示为CPU版本，卸载后重新安装：pip uninstall tensorflow && pip install tensorflow

步骤5：检查GPU硬件状态 #

• Linux系统：终端运行nvidia-smi，查看驱动版本是否与CUDA兼容，且GPU无异常占用。
• Windows系统：打开NVIDIA控制面板，确认驱动为对应兼容版本，GPU未被其他程序占用。

内容的提问来源于stack exchange，提问作者DiN