TensorFlow 2.4.1无法识别GPU的技术问题求助

当前环境信息 #

• 已更新的conda环境依赖：
  • cudatoolkit 11.6.0 cudatoolkit 11.2.0
  • cudnn 8.1.0.77
  • tensorflow-gpu 2.4.1
  • python 3.9.15
• 系统全局CUDA编译器版本（nvcc -V输出）：

  nvcc: NVIDIA (R) Cuda compiler driver Copyright (c) 2005-2022 NVIDIA
  Corporation Built on Mon_Oct_24_19:12:58_PDT_2022 Cuda compilation
  tools, release 12.0, V12.0.76 Build
  cuda_12.0.r12.0/compiler.31968024_0
  

• GPU检测命令返回空列表：

  python3 -c "import tensorflow as tf; print(tf.config.list_physical_devices('GPU'))"
  

核心问题分析 #

TensorFlow 2.4.x官方明确的兼容要求：

• Python版本需为3.6-3.8（当前使用3.9.15，超出兼容范围）
• CUDA版本需为11.0（当前conda环境内是11.2、系统全局是12.0，均不匹配）
• cuDNN版本需为8.0（当前8.1.0.77存在兼容风险）

无需修改系统的解决步骤 #

conda环境是完全隔离的，不需要改动系统全局的CUDA 12.0，仅在当前conda环境内调整依赖版本即可：

1. 激活目标conda环境：

   conda activate your_env_name
   

2. 卸载现有不兼容的依赖：

   pip uninstall tensorflow-gpu -y
   conda remove cudatoolkit python -y
   

3. 安装官方指定的兼容版本：

   conda install python=3.8 cudatoolkit=11.0 cudnn=8.0 -c conda-forge
   pip install tensorflow-gpu==2.4.1
   

4. 再次验证GPU检测：

   python -c "import tensorflow as tf; print(tf.config.list_physical_devices('GPU'))"
   

补充说明 #

conda环境内的CUDA工具包独立于系统全局，TensorFlow运行时会优先加载环境内的依赖库，修改环境不会影响系统其他用户或程序。

内容的提问来源于stack exchange，提问作者RedYoel