Windows 11下TensorFlow GPU环境配置失败求助

• 检查NVIDIA驱动版本
  3050 Ti属于Ampere架构，要求驱动版本≥450.80.02。打开NVIDIA控制面板→帮助→系统信息，查看当前驱动版本，若版本过低，前往NVIDIA官网下载对应笔记本型号的驱动更新。

• 验证CUDA Toolkit与TensorFlow版本兼容性
  TensorFlow和CUDA版本存在严格对应关系（例如TensorFlow 2.15对应CUDA 12.2，2.14对应CUDA 12.1）。在命令行执行nvcc --version查看CUDA版本，确认其与已安装的TensorFlow版本匹配。

• 核对CUDA与cuDNN环境变量配置
  确保以下路径已添加至系统环境变量PATH：

  • C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\vX.X\bin（X.X为你的CUDA版本号）
  • C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\vX.X\libnvvp
  • C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\vX.X\extras\CUPTI\lib64
    同时，cuDNN解压后需将bin、include、lib目录下的文件复制到CUDA对应目录，或直接将cuDNN的bin路径添加至PATH。

• 确认TensorFlow为GPU兼容版本
  在Python环境执行pip list，检查tensorflow是否为GPU支持版本。若为CPU专属版本，卸载后重新安装：pip uninstall tensorflow && pip install tensorflow。

• 测试CUDA基础识别功能
  运行nvidia-smi命令，查看GPU是否被系统正常识别。若该命令无法显示GPU信息，优先排查驱动或硬件本身问题。

• 通过TensorFlow日志定位具体错误
  执行以下代码获取初始化时的GPU相关日志，日志会明确显示GPU未加载的原因（如CUDA版本不兼容、cuDNN缺失等）：

  import tensorflow as tf
  tf.debugging.set_log_device_placement(True)
  a = tf.constant([1.0, 2.0, 3.0, 4.0, 5.0, 6.0], shape=[2, 3], name='a')
  b = tf.constant([1.0, 2.0, 3.0, 4.0, 5.0, 6.0], shape=[3, 2], name='b')
  c = tf.matmul(a, b)
  print(c)
  

• 排查笔记本独显切换设置
  部分笔记本默认用核显运行Python程序，需在NVIDIA控制面板→3D设置→管理3D设置中，将Python.exe或你的IDE（如PyCharm.exe）设置为优先使用NVIDIA高性能GPU。

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