TensorFlow 2.13.0无法调用GPU，适配的CUDA与cuDNN版本咨询

TensorFlow 2.13.0官方指定的依赖版本如下：

• CUDA版本：11.8
• cuDNN版本：8.6.0

如果已安装对应版本但GPU仍无法识别，可做以下排查：

1. 确认NVIDIA驱动版本满足CUDA 11.8的最低要求（驱动最低版本为450.80.02，Ubuntu 22.04推荐安装nvidia-driver-525及以上版本）
2. 检查CUDA安装状态，执行命令：nvcc --version，输出需显示CUDA 11.8相关信息
3. 验证cuDNN版本，执行命令：cat /usr/local/cuda/include/cudnn_version.h | grep CUDNN_MAJOR -A 2，确认版本号为8.6.0
4. 确保环境变量配置正确，在~/.bashrc中添加以下内容后执行source ~/.bashrc生效：

   export PATH=/usr/local/cuda-11.8/bin${PATH:+:${PATH}}
   export LD_LIBRARY_PATH=/usr/local/cuda-11.8/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}
   

5. 最后验证TensorFlow的GPU识别情况，执行：python -c "import tensorflow as tf; print(tf.config.list_physical_devices('GPU'))"，输出GPU设备信息则说明配置成功

内容的提问来源于stack exchange，提问作者KnSun