求助：TensorFlow无法识别GTX 1050 Ti GPU问题排查

1. 确认TensorFlow版本与CUDA/cuDNN匹配 #

你的CUDA 11.2 + cuDNN 8.1适配TensorFlow 2.5.x至2.8.x，且Python 3.9兼容该区间版本。需确保安装的是GPU版TensorFlow：

• 激活虚拟环境，执行命令检查：pip list | findstr tensorflow
• 若仅显示tensorflow（无gpu后缀），卸载后重新安装对应版本：

  pip uninstall tensorflow -y
  pip install tensorflow==2.8.0
  

2. 补全cuDNN配置 #

cuDNN文件需复制到CUDA对应目录并配置环境变量：

• 解压cuDNN 8.1压缩包，将bin、include、lib/x64下的文件分别复制到：
  • C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.2\bin
  • C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.2\include
  • C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.2\lib\x64
• 将C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.2\lib\x64添加到系统环境变量PATH中

3. 检查NVIDIA驱动版本 #

CUDA 11.2要求GTX 1050 Ti的驱动版本不低于460.89：

• 打开NVIDIA控制面板查看当前驱动版本，若低于要求，前往NVIDIA官网更新驱动

4. 排除核显干扰 #

• 重启电脑进入BIOS（通常按F2/F10），找到显卡设置项，设置为优先使用独立显卡（如“GPU Mode”选“Discrete GPU”）
• 在Windows“图形设置”中，将虚拟环境内的python.exe设置为使用“高性能NVIDIA处理器”

5. 验证CUDA基础环境 #

• 打开命令提示符，执行nvcc -V，若显示CUDA 11.2版本信息，说明PATH配置生效
• 运行CUDA自带的deviceQuery程序（路径：C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.2\extras\demo_suite\deviceQuery.exe），若输出GPU硬件信息，说明CUDA可正常调用硬件

6. 重新验证TensorFlow GPU识别 #

完成以上操作后重启电脑，激活虚拟环境执行以下代码：

import tensorflow as tf
print(tf.config.list_physical_devices('GPU'))

若输出包含GPU设备条目，说明配置成功。

内容的提问来源于stack exchange，提问作者JE17