TensorFlow无法调用GPU求助：已装CUDA但仅识别CPU

问题背景 #

已安装CUDA编译器nvcc，执行nvcc -V输出：

nvcc: NVIDIA (R) Cuda compiler driver
Copyright (c) 2005-2016 NVIDIA Corporation
Built on Mon_Jan__9_17:32:33_CST_2017
Cuda compilation tools, release 8.0, V8.0.60

运行TensorFlow代码：

from tensorflow.python.client import device_lib

device_lib.list_local_devices()

出现报错：

2023-02-20 17:16:03.556026: W tensorflow/core/common_runtime/gpu/gpu_device.cc:1850] Cannot dlopen some GPU libraries. Please make sure the missing libraries mentioned above are installed properly if you would like to use GPU. Follow the guide at https://www.tensorflow.org/install/gpu for how to download and setup the required libraries for your platform.
Skipping registering GPU devices...
[name: "/device:CPU:0"
device_type: "CPU"
memory_limit: 268435456
locality {
}
incarnation: 16176753119491980911
xla_global_id: -1
]

PyTorch中执行print(torch.cuda.is_available())返回True，使用Windows系统，TensorFlow版本为2.7.0（tensorflow-gpu），需解决TensorFlow无法使用GPU的问题。

解决步骤 #

1. 明确版本兼容要求 #

TensorFlow 2.7.0（Windows平台）必须搭配CUDA 11.2和cuDNN 8.1.0，当前安装的CUDA 8.0版本过低，不满足依赖条件，这是核心问题。PyTorch对旧CUDA版本兼容范围更广，所以能正常识别GPU。

2. 安装对应版本的CUDA和cuDNN #

• 卸载现有CUDA 8.0：在Windows「设置-应用」中找到NVIDIA CUDA Toolkit 8.0完成卸载。
• 安装CUDA Toolkit 11.2：下载对应版本安装包，按默认路径完成安装。
• 安装cuDNN 8.1.0：下载对应版本压缩包，解压后将bin、include、lib三个文件夹复制到CUDA安装目录（默认路径为C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.2）的对应文件夹下。

3. 配置系统环境变量 #

确保以下路径添加到系统环境变量Path中：

• C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.2\bin
• C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.2\libnvvp

4. 验证GPU可用性 #

重启终端或IDE后，运行以下代码验证：

import tensorflow as tf
print(tf.test.is_gpu_available())
print(tf.config.list_physical_devices('GPU'))

若返回True并列出GPU设备，说明配置成功。

内容的提问来源于stack exchange，提问作者ponda