Ubuntu 18.04下TensorFlow与PyTorch无法调用GPU问题求助

核心问题：版本不兼容 #

你的TensorFlow 2.0.0版本与当前使用的CUDA 11.7完全不匹配，这是GPU无法被识别的主要原因。TensorFlow 2.0.0仅支持CUDA 10.1及对应版本的CuDNN（7.6.x），而你当前的CUDA版本是11.7，两者版本差距过大，导致框架无法调用GPU。

具体解决步骤 #

• 升级TensorFlow到兼容CUDA 11.7的版本
  CUDA 11.7对应的TensorFlow版本范围是2.8.x ~ 2.10.x，建议选择这个区间内的稳定版本（如2.9.3或2.10.1）进行安装。执行以下命令升级：

  pip install tensorflow==2.9.3 --upgrade
  

• 验证PyTorch的版本兼容性
  PyTorch针对CUDA 11.7的兼容版本为1.13.x ~ 2.0.x，确保安装的是对应CUDA版本的PyTorch包，而非CPU版本。例如：

  pip install torch==1.13.1+cu117 torchvision==0.14.1+cu117 torchaudio==0.13.1 --extra-index-url https://download.pytorch.org/whl/cu117
  

• 检查环境变量配置
  确保CUDA的核心路径已添加到系统环境变量：

  • Linux/macOS：在终端中执行以下命令（可添加到~/.bashrc或~/.zshrc中永久生效）：

    export PATH=/usr/local/cuda-11.7/bin:$PATH
    export LD_LIBRARY_PATH=/usr/local/cuda-11.7/lib64:$LD_LIBRARY_PATH
    

  • Windows：将C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.7\bin和C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.7\libnvvp添加到系统PATH中。

• 重新验证GPU识别
  安装完成后，重新运行测试代码确认：
  TensorFlow测试代码：

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

  PyTorch测试代码：

  import torch
  print(torch.cuda.is_available())
  print(torch.cuda.device_count())
  

额外注意事项 #

• 如果升级框架后仍无法识别，可检查NVIDIA驱动是否正常运行（通过nvidia-smi命令确认输出正常）。
• 避免同时安装TensorFlow的CPU版本和GPU版本，建议先卸载CPU版本再安装GPU版本。

内容的提问来源于stack exchange，提问作者paul