TensorFlow无法识别GPU问题求助：已重装驱动仍未解决

从你的描述来看，PyTorch能正常识别GPU但TensorFlow不行，说明硬件和显卡驱动本身是没问题的，问题大概率出在TensorFlow与CUDA/cuDNN的版本兼容性、环境配置或者TensorFlow的安装方式上。下面给你一步步排查的方案：

1. 先确认TensorFlow版本与CUDA的兼容性 #

TensorFlow对CUDA和cuDNN的版本有严格的要求，你的显卡驱动是457.30（对应CUDA 11.1），需要搭配支持该CUDA版本的TensorFlow版本：

• TensorFlow 2.4.x 支持 CUDA 11.0（11.1通常可以向下兼容）
• TensorFlow 2.5.x 支持 CUDA 11.2
• 如果你安装的是TensorFlow 2.3或更早版本，它们只支持CUDA 10.x，自然识别不到你的GPU

先运行以下命令查看当前TensorFlow版本：

import tensorflow as tf
print(tf.__version__)

2. 卸载旧版本，安装对应兼容性的TensorFlow #

注意：TensorFlow 2.3之后，官方已经弃用了tensorflow-gpu包，统一使用tensorflow包（只要环境配置正确，会自动启用GPU支持）。如果你之前装了tensorflow-gpu，反而可能出现冲突。

执行以下步骤重装：

1. 卸载现有TensorFlow相关包：

pip uninstall tensorflow tensorflow-gpu -y

2. 根据你的CUDA版本安装对应TensorFlow：
   • 如果是CUDA 11.1，推荐安装TensorFlow 2.4.1：

   pip install tensorflow==2.4.1
   

3. 检查CUDA与cuDNN的环境配置 #

TensorFlow依赖CUDA和cuDNN的环境变量配置，PyTorch因为pip安装时自带了适配的CUDA runtime，所以不需要额外配置，但TensorFlow不行：

• 确保CUDA的bin目录（比如C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.1\bin）和libnvvp目录（C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.1\libnvvp）已经添加到系统PATH环境变量中
• 确认你下载的cuDNN版本与CUDA 11.1兼容（应该是cuDNN 8.0.5或对应版本），并将cuDNN解压后的bin、include、lib/x64文件夹中的文件，复制到CUDA安装目录的对应文件夹下

4. 验证CUDA环境是否正常 #

打开命令提示符，运行：

nvcc -V

如果能正常输出CUDA版本信息（比如release 11.1），说明CUDA环境配置正确；如果报错，说明你的CUDA环境有问题，需要重新安装CUDA 11.1并配置环境变量。

5. 最后验证TensorFlow的GPU识别 #

重装并配置完成后，运行以下代码测试：

import tensorflow as tf
print(tf.config.experimental.list_physical_devices('GPU'))
from tensorflow.python.client import device_lib
print(device_lib.list_local_devices())

如果一切正常，应该能看到类似你预期的GPU设备信息。

内容的提问来源于stack exchange，提问作者David L.E