如何在Windows 10远程桌面中访问NVIDIA Quadro K4000 GPU

问题概述 #

需要在Windows 10远程桌面中使用NVIDIA Quadro K4000 GPU运行TensorFlow 2.9+的目标检测任务：

• 本地环境已配置适配的CUDA、cuDNN 11.2和Visual Studio 2019，运行测试代码可正常识别GPU：

import tensorflow as tf
import os

gpus = tf.config.experimental.list_physical_devices('GPU')
for gpu in gpus:
    tf.config.experimental.set_memory_growth(gpu, True)

tf.config.list_physical_devices('GPU')

返回结果：[PhysicalDevice(name='/physical_device:GPU:0', device_type='GPU')]

• 远程连接后执行tf.config.list_physical_devices('GPU')返回空值，已尝试修改环境变量、组策略，均无效。

解决步骤 #

1. 开启远程桌面GPU重定向 #

• 本地打开mstsc.exe，点击「显示选项」→「本地资源」→「更多」，勾选「图形处理单元」后再连接远程主机。
• 远程主机端配置组策略：
  1. 运行gpedit.msc，依次展开「计算机配置」→「管理模板」→「Windows组件」→「远程桌面服务」→「远程桌面会话主机」→「远程会话环境」
  2. 启用「使用硬件图形适配器进行所有远程桌面服务会话」，重启远程主机生效。

2. 更新适配的NVIDIA驱动 #

• 下载Quadro K4000专属的Windows 10驱动（避免通用驱动），安装时选择「清洁安装」。
• 安装完成后，打开NVIDIA控制面板，在「3D设置」→「管理3D设置」→「程序设置」中，将Python.exe设置为使用「高性能NVIDIA处理器」。

3. 确保远程会话环境变量生效 #

• 远程登录后，打开命令提示符执行：

echo %CUDA_PATH%
echo %CUDNN_PATH%

确认路径指向CUDA 11.2和cuDNN的安装目录。

• 若未生效，手动添加系统环境变量：
  1. 右键「此电脑」→「属性」→「高级系统设置」→「环境变量」
  2. 添加系统变量：
     • CUDA_PATH: C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.2
     • CUDNN_PATH: [你的cuDNN解压目录]\cuda
  3. 将%CUDA_PATH%\bin和%CUDNN_PATH%\bin添加到系统Path变量中，重启远程会话。

4. 以控制台模式登录远程主机 #

• 在本地远程桌面连接的「计算机」栏末尾添加/admin（例如192.168.1.100/admin），以管理员控制台模式登录，该模式默认优先分配GPU资源。
• 登录后运行dxdiag.exe，切换到「显示」选项卡，确认是否识别到Quadro K4000。

5. 重新适配TensorFlow版本 #

• 若nvidia-smi能识别GPU但TensorFlow不行，卸载现有TensorFlow后安装适配CUDA 11.2的稳定版本：

pip uninstall tensorflow
pip install tensorflow==2.10

• 再次运行测试代码验证GPU识别情况。

内容的提问来源于stack exchange，提问作者Unic Sushant