求助：Jupyter Notebook中TensorFlow无法检测GPU的问题

核心问题 #

TensorFlow在conda环境终端中可正常检测GPU，但Jupyter Notebook中无法识别。

修复步骤 #

1. 确保Jupyter使用目标conda环境的内核 #

• 激活你的conda环境：conda activate 你的环境名称
• 安装ipykernel包：conda install ipykernel
• 将当前环境注册为Jupyter内核：python -m ipykernel install --user --name 你的环境名称 --display-name "Python (你的环境名称)"
• 重启Jupyter Notebook，新建笔记本时选择上述注册的内核

2. 同步Jupyter与终端的GPU环境变量 #

终端激活conda环境时会自动加载NVIDIA相关路径，Jupyter可能未继承这些变量：

• 在Notebook中运行以下代码查看环境变量：

  import os
  print(os.environ.get('PATH'))
  print(os.environ.get('LD_LIBRARY_PATH'))
  

• 对比终端执行echo $PATH和echo $LD_LIBRARY_PATH的输出，若Jupyter缺少NVIDIA相关路径：
  1. 进入conda环境的etc/conda/activate.d目录
  2. 创建env_vars.sh文件，写入：

     export LD_LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PATH
     export PATH=/usr/local/cuda/bin:$PATH
     

  3. 重新激活conda环境，重启Jupyter

3. 验证TensorFlow安装及GPU检测 #

在Notebook中运行以下代码确认：

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

若输出为空，优先检查是否选择了正确的内核。

4. 检查版本兼容性 #

确保nvidia-tensorrt、TensorFlow、CUDA三者版本匹配，版本不兼容会导致GPU检测失败。可通过conda list查看当前包版本，调整至兼容组合。

内容的提问来源于stack exchange，提问作者Jark