TensorFlow与CUDA、CuDNN兼容问题求助：Windows10下GPU加速失效

核心前提 #

TensorFlow 2.11及以后版本不再支持Windows原生GPU加速，仅能通过WSL2环境实现。若要在Windows本地（非WSL2）启用GPU，必须选择TensorFlow 2.10及更早版本。

可用的稳定版本组合 #

以下是官方验证的Windows本地GPU兼容配置：

• TensorFlow 2.10.0 + CUDA 11.2 + CuDNN 8.1.0
• TensorFlow 2.9.0 + CUDA 11.2 + CuDNN 8.1.0
• TensorFlow 2.8.0 + CUDA 11.2 + CuDNN 8.1.0

分步修复步骤 #

1. 彻底清理现有环境

   • 卸载所有CUDA相关程序：打开控制面板→程序和功能，删除所有带“NVIDIA CUDA”字样的条目，同时删除默认安装目录C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA
   • 删除CuDNN文件：若之前将CuDNN文件复制到CUDA目录，直接删除对应文件；若为单独目录，删除后清理环境变量中相关路径
   • 卸载TensorFlow：执行命令 pip uninstall tensorflow 彻底移除，避免残留
   • 更换Python版本：TensorFlow 2.10仅支持Python 3.7-3.9，卸载Python 3.11，安装官方版Python 3.9（勾选“Add Python to PATH”）

2. 安装CUDA 11.2

   • 选择自定义安装模式，仅勾选“CUDA Runtime”相关组件，跳过NVIDIA驱动安装（RTX 3060 Ti需驱动版本≥450.80.02，建议通过NVIDIA GeForce Experience更新至最新稳定版）
   • 安装完成后，确认环境变量包含：
     • CUDA_PATH=C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.2
     • PATH中添加C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.2\bin和C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.2\libnvvp

3. 安装CuDNN 8.1.0

   • 下载对应CUDA 11.2的CuDNN 8.1.0，解压后将bin、include、lib文件夹内的文件，分别复制到CUDA 11.2的同名目录下（例如bin内文件复制到C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.2\bin）

4. 安装TensorFlow 2.10.0

   • 执行命令 pip install tensorflow==2.10.0

5. 验证GPU可用性

   • 运行命令 python -c "import tensorflow as tf; print(tf.config.list_physical_devices('GPU'))"，若输出非空列表则配置成功

内容的提问来源于stack exchange，提问作者Adi Peterca