TensorFlow无法调用NVIDIA RTX3060 GPU问题求助

1. 严格匹配TensorFlow与CUDA版本 #

TensorFlow对CUDA版本有硬性适配要求，不是最新CUDA就兼容最新TF：

• TensorFlow 2.15.x 适配CUDA 12.2
• TensorFlow 2.14.x 适配CUDA 11.8
  先执行pip show tensorflow查看当前TF版本，确保和你装的CUDA12.2对应上，版本不匹配直接导致GPU检测失败。

2. 修正cuDNN的安装配置 #

下载对应CUDA12.2的cuDNN（需为8.9.x系列），解压后把bin、include、lib三个文件夹内的文件，分别复制到CUDA安装目录的对应子文件夹下（默认路径是C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.2）。
同时检查系统环境变量：

• 确认CUDA_PATH已设为C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.2
• PATH中必须包含%CUDA_PATH%\bin和%CUDA_PATH%\libnvvp，还要把cuDNN的bin目录（即上述CUDA路径下的bin）也加入PATH

3. 验证GPU驱动版本 #

RTX3060要求驱动版本至少450.80.02，打开NVIDIA控制面板查看当前驱动，低于该版本直接去NVIDIA官网下载对应型号的稳定版驱动安装（别用GeForce Experience自动更新，手动下载更稳妥）。

4. 重新安装GPU版TensorFlow #

如果你之前装的是普通TF，可能没带GPU支持。先卸载：

pip uninstall tensorflow

再安装带CUDA依赖的GPU版：

pip install tensorflow[and-cuda]

这个命令会自动匹配对应版本的CUDA和cuDNN，避免手动配置的疏漏。

5. 用最小代码测试GPU检测 #

写个简单脚本排除其他代码干扰：

import tensorflow as tf
print("TensorFlow版本:", tf.__version__)
print("可用GPU:", tf.config.list_physical_devices("GPU"))
print("CUDA编译支持:", tf.test.is_built_with_cuda())
print("GPU运行可用:", tf.test.is_gpu_available())

如果tf.test.is_built_with_cuda()返回False，说明你装的TF没编译CUDA支持，重新执行步骤4即可。

6. 清理conda环境冲突 #

如果用conda环境，执行conda list tensorflow检查，确保只保留GPU版TF，不要同时装CPU版。另外，conda自带的CUDA包可能和手动安装的冲突，建议conda环境里不要单独装CUDA，全靠tensorflow[and-cuda]自动处理依赖。

内容的提问来源于stack exchange，提问作者SimplyMass