未使用Conda安装TensorFlow GPU后无法识别GPU的问题

核心问题 #

你安装的是TensorFlow CPU版本，这是GPU无法被识别的直接原因——你执行的安装命令明确指向了tensorflow_cpu-2.11.0的whl包，该版本本身不支持GPU加速。

分步解决步骤 #

1. 卸载当前CPU版TensorFlow
   在你的virtualenv环境中执行：

pip uninstall tensorflow_cpu

2. 补全CUDA配套依赖
   TensorFlow 2.11.0要求CUDA 11.2搭配cuDNN 8.1版本（版本必须严格对应）：

• 下载对应CUDA 11.2的cuDNN 8.1，解压后将bin、include、lib目录下的文件，复制到CUDA安装目录的对应文件夹（默认路径为C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.2）
• 检查系统环境变量，确保C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.2\bin和C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.2\libnvvp已添加，且优先级高于之前安装的CUDA 12路径（可暂时下移或移除CUDA 12的环境变量）

3. 安装TensorFlow GPU版本
   在virtualenv中执行GPU版安装命令：

pip install tensorflow==2.11.0

或直接使用GPU版whl包：

pip3 install --upgrade https://storage.googleapis.com/tensorflow/windows/gpu/tensorflow_gpu-2.11.0-cp310-cp310-win_amd64.whl

4. 验证GPU识别状态
   运行以下Python代码确认：

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

输出包含GPU设备信息即表示配置成功。

额外注意事项 #

• 确认你的显卡具备CUDA计算核心（参考NVIDIA官方支持列表）
• 安装cuDNN时必须严格匹配CUDA版本，版本不兼容会导致GPU初始化失败
• 重启电脑确保环境变量生效

内容的提问来源于stack exchange，提问作者Askyelad