TensorFlow 2无法识别RTX 3070 Laptop GPU全部显存问题

这个现象是Windows系统WDDM驱动模型的正常表现，不是TensorFlow识别错误：

• 你的nvidia-smi输出明确标注显卡运行在WDDM模式，这是Windows系统下消费级GeForce显卡的默认驱动模式。该模式下Windows会强制划出1~3GB不等的显存，固定供给桌面窗口合成、显示输出、核显动态共享（笔记本混合输出模式下占用更高）使用，这部分显存不向CUDA通用计算程序开放，且不会被nvidia-smi统计到独立进程的显存占用里——所以你看到输出里显示0MiB / 8192MiB占用、无运行进程，本质是统计口径问题，不代表全部8GB显存都可供计算使用。
• TensorFlow启动日志里标注的5482 MB memory是它初始化时探测到的可安全申请的最大连续空闲显存块大小，不是它最终能使用的显存上限。默认配置下TensorFlow启动时会预留一块连续显存避免运行时显存碎片，这个预留值小于实际可申请的总显存。
• 笔记本RTX 3070 Laptop GPU如果默认开启核显混合输出模式，系统预留显存会比独显直连模式高1~2GB，你这里总显存8GB，识别到5482MB可用，差值刚好在WDDM+混合输出的正常预留范围内。

• 最直接的提升可用显存的方式是在笔记本BIOS或NVIDIA控制面板里开启独显直连，关闭核显输出，能减少1~2GB的系统显存预留，TensorFlow识别到的可用显存会明显提升。
• 关闭TensorFlow默认的启动显存预占，配置显存按需增长，避免启动时的连续显存块限制：

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

配置后TensorFlow会随运行需求逐步申请显存，实际可用显存会比启动日志里显示的5482MB更高。

• 注意：只要在Windows系统下使用WDDM模式的消费级GeForce显卡，就永远无法让CUDA程序占满全部8GB硬件显存，系统层面的固定显存预留无法完全关闭，不属于软件bug。如果需要满额使用显存，只能切换到Linux系统使用TCC驱动模式。

内容的提问来源于stack exchange，提问作者Otávio Augusto Silva