Tensorflow/CUDA无法检测GPU问题求助

1. 修正CUDA_VISIBLE_DEVICES的设置 #

你的第二、三台设备中，GPU0是Intel核显，GPU1才是NVIDIA RTX3060，而第一台设备的GPU0是NVIDIA，两者设备编号完全相反。你之前设置CUDA_VISIBLE_DEVICES="0"实际指向的是Intel核显，而TensorFlow默认不支持Intel核显的CUDA加速（需额外Intel专属插件），这是核心错误之一。

正确设置方式：

# 命令行临时设置
set CUDA_VISIBLE_DEVICES=1

# 系统永久设置
新增系统环境变量CUDA_VISIBLE_DEVICES，值设为1

2. 验证NVIDIA GPU的CUDA可用性 #

先运行nvidia-smi命令，确认：

• 能正常识别RTX3060，且驱动版本≥460.32.03（此为CUDA 11.2的最低驱动要求）
• 若nvidia-smi无法识别GPU，说明Hybrid模式下NVIDIA GPU未被系统正确加载：
  • 开机按F2进入Legion BIOS，检查GPU Mode是否为Hybrid-Auto，部分Intel平台机型需额外开启NVIDIA Optimus或CUDA Access选项（不同机型选项名称可能有差异）
  • 前往NVIDIA官网下载并安装适配CUDA 11.2的推荐驱动版本

3. 确认版本匹配度 #

TensorFlow 2.11.0的官方强制要求为：

• CUDA 11.2.0（精确版本，而非11.2.2，小版本差异可能触发兼容性问题）
• cuDNN 8.1.0-8.1.1

你当前使用CUDA 11.2.2，建议卸载后重新安装CUDA 11.2.0，确保版本完全匹配官方要求。

4. 检查环境变量配置 #

确保以下路径已添加至系统PATH环境变量（且顺序需靠前）：

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

同时确认cuDNN文件已正确部署：将cuDNN压缩包内的bin、include、lib文件夹内容，分别复制到C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.2对应的目录下。

5. 验证虚拟环境中的TensorFlow版本 #

虚拟环境可能误装CPU版TensorFlow，运行以下代码确认：

import tensorflow as tf
print(tf.__version__)
print(tf.test.is_built_with_cuda())

若is_built_with_cuda()返回False，说明安装的是CPU版，需重新安装：

pip uninstall tensorflow
pip install tensorflow==2.11.0

（安装前确保系统已配置好CUDA环境变量，pip会自动下载带GPU支持的版本）

6. 查看TensorFlow详细日志定位问题 #

设置日志级别为调试模式，获取具体报错信息：

set TF_CPP_MIN_LOG_LEVEL=0

再运行tf.config.list_physical_devices('GPU')，根据日志中的错误提示（如缺失cudart64_110.dll等文件），定位具体的配置或文件缺失问题。

内容的提问来源于stack exchange，提问作者Chris Rahmé