TensorFlow GPU 2.10回退后无法识别GTX960m GPU问题求助

你的问题核心是TensorFlow 2.10与当前使用的CUDA 12.0、CuDNN 8.7版本不兼容，TensorFlow对CUDA/CuDNN版本有严格的匹配要求，2.10官方指定的兼容版本是：

• CUDA 11.2
• CuDNN 8.1.0

当前高版本的CUDA无法被TF2.10正确调用，导致GPU识别失败。以下是修复步骤：

1. 彻底卸载现有CUDA和CuDNN #

• 打开Windows控制面板，卸载所有带“NVIDIA CUDA”字样的程序
• 删除CuDNN解压后复制到CUDA目录的文件（默认路径一般是C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.0）
• 清理系统环境变量：删除Path中指向CUDA 12.0的相关路径，比如C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.0\bin、C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.0\libnvvp等

2. 安装匹配版本的CUDA和CuDNN #

• 安装CUDA Toolkit 11.2：运行安装程序时选择“自定义”安装，取消勾选不需要的组件（如Visual Studio Integration、Documentation等），仅保留核心组件
• 安装CuDNN 8.1.0 for CUDA 11.2：解压后将bin、include、lib三个文件夹中的内容，分别复制到CUDA 11.2的对应目录（默认C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.2下的同名文件夹）

3. 配置环境变量 #

确保系统环境变量Path中包含以下路径：

• C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.2\bin
• C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.2\libnvvp
• C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.2\lib\x64

4. 验证修复 #

重启终端或IDE，重新运行你的测试代码：

import tensorflow as tf
print("Num GPUs Available: ", len(tf.config.experimental.list_physical_devices('GPU')))
print(tf.__version__)
print(tf.test.is_built_with_gpu_support())

此时应该能输出大于0的GPU数量，表明GTX960m已被正确识别。

补充说明：GTX960m的CUDA Compute Capability是5.2，TensorFlow 2.10完全支持该版本，所以只要版本匹配问题解决，GPU就能正常被调用。

内容的提问来源于stack exchange，提问作者Abdul Ahad