Dell G15（RTX3060）Jupyter中TensorFlow GPU环境配置失败求助

• 检查NVIDIA驱动版本
  打开NVIDIA控制面板查看当前驱动版本，RTX3060需驱动版本≥450.80.02（适配CUDA 11.0+），版本过低则去NVIDIA官网更新适配驱动。
• 验证CUDA和cuDNN安装正确性
  1. 打开命令提示符，输入nvcc --version确认CUDA版本与TensorFlow要求匹配（如TensorFlow 2.x对应CUDA 11.x/12.x）。
  2. 将cuDNN解压后的bin、include、lib文件夹复制到CUDA安装目录（默认C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\vX.X），并确保这些路径已添加到系统环境变量PATH。
• 确认TensorFlow与CUDA/cuDNN版本兼容
  不同TensorFlow版本对应不同CUDA/cuDNN版本，例如：
  • TensorFlow 2.10+ 支持CUDA 11.2-11.8
  • TensorFlow 2.15+ 支持CUDA 12.2
    版本不匹配时，卸载当前TensorFlow后重新安装对应版本：

  pip uninstall tensorflow
  pip install tensorflow==对应版本号
  

• 检查Jupyter使用的Python环境
  在Jupyter中运行以下代码，对比命令行where python（Windows）或which python（Linux/macOS）的输出，确认是否为同一环境：

  import sys
  print(sys.executable)
  print(sys.path)
  

  若环境不同，需在目标Python环境安装Jupyter，或切换Jupyter内核到正确环境。
• 验证GPU系统识别状态
  命令提示符输入nvidia-smi，能显示GPU信息则硬件和驱动正常；不能则检查驱动安装或GPU是否被禁用。
• 检查TensorFlow GPU支持启用情况
  运行以下代码查看GPU相关日志，若未提及GPU则可能安装了CPU版TensorFlow：

  import tensorflow as tf
  tf.debugging.set_log_device_placement(True)
  a = tf.constant([1.0, 2.0, 3.0, 4.0, 5.0, 6.0], shape=[2, 3], name='a')
  b = tf.constant([1.0, 2.0, 3.0, 4.0, 5.0, 6.0], shape=[3, 2], name='b')
  c = tf.matmul(a, b)
  print(c)
  

内容的提问来源于stack exchange，提问作者KAKUTURU THRUSHWANTH