TensorFlow 2.13.0无法识别RTX 2070 Super GPU问题求助

• 版本兼容性问题（核心排查点）
  TensorFlow 2.13.0官方要求的CUDA版本是11.8，cuDNN版本是8.6.x，你当前安装的CUDA 12.2和cuDNN 8.9.3超出了兼容范围，这大概率是识别失败的主要原因。建议卸载当前CUDA 12.2，安装CUDA 11.8，并搭配对应的cuDNN 8.6.0（或同系列兼容版本）。

• 验证环境变量配置
  确保系统Path中包含以下CUDA相关路径（以CUDA 11.8默认安装路径为例）：

  • C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.8\bin
  • C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.8\libnvvp
  • C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.8\lib\x64
    同时确认cuDNN的文件已正确复制到CUDA目录：将cuDNN解压后的bin、include、lib\x64文件夹内的文件，分别覆盖到CUDA安装目录对应的同名文件夹中。

• 检查NVIDIA驱动版本
  CUDA 11.8要求NVIDIA驱动版本≥450.80.02（Windows系统），打开NVIDIA控制面板查看当前驱动版本，若低于该版本，前往NVIDIA官网下载适配RTX 2070 Super的对应驱动并更新。

• 确认TensorFlow安装版本
  检查是否误装了CPU版TensorFlow。打开命令行执行pip show tensorflow，查看版本信息；若确认是CPU版，卸载后重新安装GPU版：

  pip uninstall tensorflow
  pip install tensorflow[and-cuda]==2.13.0
  

  若使用conda环境，需确保conda安装的TensorFlow是GPU版本，且环境内的CUDA依赖与TF版本匹配。

• 验证CUDA本身是否正常工作
  打开命令提示符，执行nvcc -V，确认输出的CUDA版本为11.8；然后运行CUDA安装目录下的deviceQuery.exe（路径一般为C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.8\extras\demo_suite\deviceQuery.exe），若输出显示GPU信息且结果为PASS，说明CUDA本身能识别GPU，问题出在TensorFlow配置。

• 查看TensorFlow运行日志
  在执行tf.config.list_physical_devices('GPU')前，设置日志级别为DEBUG，查看具体报错信息：

  import tensorflow as tf
  tf.debugging.set_log_device_placement(True)
  print(tf.config.list_physical_devices('GPU'))
  

  日志中若出现找不到CUDA/cuDNN库、版本不匹配等提示，可针对性解决。

内容的提问来源于stack exchange，提问作者Osa