如何在Jupyter Notebook中启用GPU？已按步骤配置仍未检测到

问题背景 #

硬件配置：Windows 11系统，GeForce GTX 1660 SUPER显卡
已执行操作：

• 安装NVIDIA Studio驱动（版本531.61 - WHQL）
• 安装NVIDIA Toolkit-12.x
• 安装cuDNN 12
• 解压cuDNN并将lib、include、bin文件夹复制到CUDA目录
• 添加相关路径到系统环境变量
• 卸载tensorflow-2.12.1，重新安装tensorflow 2.10.0和tensorflow-gpu 2.10
• 尝试用tf.config.list_physical_devices('GPU'))>0检测GPU，设置os.environ["CUDA_VISIBLE_DEVICES"] = "1"均无效

核心问题与解决步骤 #

1. 修复CUDA与TensorFlow的版本兼容性 #

TensorFlow 2.10仅支持CUDA 11.2，你安装的CUDA 12.x版本不兼容，这是无法检测GPU的核心原因。需执行以下操作：

• 卸载当前的CUDA 12.x和cuDNN 12
• 下载安装CUDA Toolkit 11.2
• 下载对应版本的cuDNN 8.1.x，解压后将lib、include、bin文件夹复制到CUDA 11.2的安装目录（默认路径：C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.2）

2. 清理并配置环境变量 #

• 删除系统环境变量中与CUDA 12.x相关的所有条目（包括CUDA_PATH、PATH中的...\CUDA\v12.x\bin、...\CUDA\v12.x\libnvvp等路径）
• 添加CUDA 11.2的路径到环境变量：
  • 新建系统变量CUDA_PATH，值为C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.2
  • 在PATH中添加：
    • %CUDA_PATH%\bin
    • %CUDA_PATH%\libnvvp

3. 验证CUDA安装有效性 #

打开命令提示符，执行以下命令确认：

• nvcc -V：输出应显示CUDA版本为11.2
• nvidia-smi：输出应显示GPU信息，且驱动版本531.61兼容CUDA 11.2

4. 修正TensorFlow安装 #

• 卸载tensorflow-gpu 2.10：pip uninstall tensorflow-gpu
• 仅保留tensorflow 2.10.0：TensorFlow 2.10及以后版本的标准包已包含GPU支持，无需单独安装tensorflow-gpu，避免版本冲突

5. 确认Jupyter Notebook的内核环境 #

在Notebook中运行以下代码，检查当前Python环境是否为安装TensorFlow的环境：

import sys
print(sys.executable)

如果路径与安装TensorFlow的Python路径不一致，需将目标环境添加到Jupyter内核：

# 激活你的Python环境后执行
ipython kernel install --user --name=your_env_name

然后在Jupyter中切换到该内核运行代码。

6. 修正GPU检测代码与环境变量设置 #

• 检测代码存在语法错误，正确写法：

import tensorflow as tf
print(len(tf.config.list_physical_devices('GPU')) > 0)

• 单GPU环境下，CUDA_VISIBLE_DEVICES应设置为0（GPU索引从0开始）：

import os
os.environ["CUDA_VISIBLE_DEVICES"] = "0"

关于依赖包版本的问题 #

需要确保TensorFlow的依赖包版本匹配，建议使用TensorFlow官方推荐的版本组合。无需安装tensorflow-intel，该版本是针对CPU优化的，会与GPU版本的TensorFlow冲突，直接使用标准的tensorflow==2.10.0即可。

内容的提问来源于stack exchange，提问作者tooGood