TensorFlow无法识别独立GPU，求最新版本环境搭建分步指导

一、确认并更新NVIDIA驱动 #

• 打开NVIDIA控制面板，查看当前驱动版本，需确保驱动版本≥535.86.05（适配CUDA 12.2的最低要求）
• 若版本不足，直接在NVIDIA官网下载对应GTX 1650的最新驱动安装，全程默认下一步即可

二、安装CUDA Toolkit 12.2 #

• 下载CUDA Toolkit 12.2的离线安装包（避免在线安装时的网络问题）
• 运行安装包，选择自定义安装，取消勾选「Driver components」（已装最新驱动，重复安装易冲突）
• 默认安装路径为C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.2，记住该路径
• 配置系统环境变量：
  • 添加系统变量CUDA_PATH，值为上述安装路径
  • 在系统变量Path中追加：
    • %CUDA_PATH%\bin
    • %CUDA_PATH%\libnvvp

三、安装CuDNN 8.9.7（适配CUDA 12.2） #

• 下载CuDNN 8.9.7（需登录NVIDIA账号，注册免费）
• 解压压缩包，得到bin、include、lib三个文件夹
• 将三个文件夹内的内容分别复制到CUDA Toolkit对应目录：
  • bin下的文件 → C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.2\bin
  • include下的文件 → C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.2\include
  • lib\x64下的文件 → C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.2\lib\x64

四、创建Python虚拟环境 #

• 推荐用conda隔离环境，执行命令：

  conda create -n tf_gpu python=3.10
  conda activate tf_gpu
  

• 不用conda的话，用原生venv：

  python -m venv tf_gpu
  # Windows激活：tf_gpu\Scripts\activate
  # Linux/macOS激活：source tf_gpu/bin/activate
  

五、安装TensorFlow最新稳定版 #

• 激活虚拟环境后，执行：

  pip install tensorflow==2.15.0
  

• 注意：TensorFlow 2.10之后不再单独提供tensorflow-gpu包，安装tensorflow即可自动适配GPU

六、验证GPU是否正常工作 #

• 在虚拟环境中启动Python，运行以下代码：

  import tensorflow as tf
  print("可用GPU设备：", tf.config.list_physical_devices('GPU'))
  print("GPU是否可用：", tf.test.is_gpu_available())
  

• 若输出显示NVIDIA GeForce GTX 1650，且GPU是否可用返回True，则搭建成功

内容的提问来源于stack exchange，提问作者Abhinav Singh