TensorFlow无法识别GPU，执行检测代码报错求助（重装无效）

你遇到的这个AttributeError: module 'tensorflow.python.keras.utils.generic_utils' has no attribute 'populate_dict_with_module_objects'错误，大概率是TensorFlow与内置Keras版本不兼容，或者之前卸载重装时残留了旧版本文件导致的。结合你给出的CUDA、CUDNN版本，给你一套针对性的解决方案：

步骤1：彻底清理现有TensorFlow及相关残留 #

这一步是解决重装无效问题的关键，很多时候残留文件会导致版本冲突：

• 先通过pip完全卸载相关包：

  pip uninstall -y tensorflow tensorflow-gpu keras
  

• 手动删除Python环境中的残留文件夹：
  找到你的Python site-packages路径：C:\Users\PRodr\AppData\Local\Programs\Python\Python38\lib\site-packages，删除其中所有包含tensorflow、keras字样的文件夹和文件。

步骤2：安装与CUDA 10.2匹配的TensorFlow版本 #

你的CUDA是10.2，CUDNN是7.6.5，最匹配的TensorFlow版本是2.3.x或2.4.x（TF 2.3开始正式支持CUDA 10.2），推荐安装稳定的2.3.0版本：

pip install tensorflow-gpu==2.3.0

重要提醒：不要单独安装Keras！TensorFlow 2.x已经内置了适配的Keras版本，单独安装会导致版本冲突，直接引发你遇到的这类错误。

步骤3：验证GPU是否正常识别 #

安装完成后，运行以下代码测试：

import tensorflow as tf
# 检查GPU是否可用
print("GPU是否可用:", tf.test.is_gpu_available())
# 列出识别到的物理GPU
print("识别到的GPU:", tf.config.list_physical_devices('GPU'))

如果输出中显示具体的GPU型号信息，说明问题已经解决。

额外检查项 #

• 确认系统环境变量配置正确：
  • 确保CUDA_PATH指向C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.2
  • 确保CUDNN的bin文件夹（比如C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.2\bin）已经添加到系统PATH中
• 你安装的TensorRT 7.0.0.11和CUDA10.2、TF2.3版本完全兼容，无需调整。

内容的提问来源于stack exchange，提问作者Pedro Asseiro