TensorFlow仅使用CPU而非可用GPU的问题排查求助

问题分析 #

从输出结果看，tf.sysconfig.get_build_info()显示is_cuda_build=False，说明当前TensorFlow实例未启用CUDA支持。结合你安装了tensorflow-intel（Intel CPU优化版本），这是核心冲突点之一；同时需确认CUDA/CuDNN的环境配置是否完全生效。

分步解决方案 #

1. 卸载tensorflow-intel #

tensorflow-intel是仅针对CPU优化的版本，会覆盖标准TensorFlow的GPU支持能力，先执行卸载：

pip uninstall tensorflow-intel -y

2. 重新安装标准TensorFlow版本 #

确保安装与CUDA 11.8匹配的TensorFlow（2.13.x版本本身支持CUDA 11.8）：

pip install tensorflow==2.13.0 -U

3. 验证CUDA与CuDNN的环境配置 #

检查文件放置

将CuDNN 8.6的文件复制到CUDA 11.8对应目录：

• cudnn.h → C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.8\include
• cudnn.lib → C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.8\lib\x64
• cudnn64_8.dll → C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.8\bin

配置系统环境变量

确保以下路径添加到系统PATH变量（优先级需高于旧CUDA版本路径）：

• C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.8\bin
• C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.8\libnvvp
• 新增系统变量CUDA_PATH，值为C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.8

4. 清理旧CUDA残留 #

删除系统PATH中所有与CUDA 12.2相关的路径，避免版本冲突。

5. 重启验证 #

重启终端/IDE，运行以下测试代码确认GPU是否被识别：

import tensorflow as tf
print("GPU可用：", tf.test.is_gpu_available())
print("GPU设备：", tf.config.list_physical_devices('GPU'))

如果输出显示GPU设备信息，说明配置生效。

内容的提问来源于stack exchange，提问作者lukz