TensorFlow 2.8 list_physical_devices无法检测GPU且导入报错咨询

问题说明 #

• 存在GPU无法被TensorFlow识别问题，运行GPU检测代码返回空列表，检测代码如下：

physical_devices = tf.config.experimental.list_physical_devices('GPU')
print(physical_devices)
if physical_devices:
  tf.config.experimental.set_memory_growth(physical_devices[0], True)

• 曾执行pip3 install --upgrade tensorflow-gpu修复无效，安装过程中出现6次protobuf损坏警告、pip版本检查失败提示：

WARNING: Ignoring invalid distribution -rotobuf (c:\users\lior\appdata\roaming\python\python39\site-packages)
WARNING: There was an error checking the latest version of pip.

• 误删Anaconda文件夹后，导入TensorFlow抛出导入错误：

ImportError: cannot import name 'saveable_objects_from_trackable' from 'tensorflow.python.training.saving.saveable_object_util' (C:\Users\Lior\AppData\Roaming\Python\Python39\site-packages\tensorflow\python\training\saving\saveable_object_util.py)

• 当前残留TensorFlow版本为2.8.0，安装在用户目录Python39站点包路径下，存在文件缺失、依赖不匹配问题。

修复步骤 #

1. 清理损坏的包残留 #

首先解决安装包损坏、文件残留导致的冲突问题：

• 执行以下命令修复pip、清理损坏的protobuf依赖、卸载所有残留TensorFlow相关组件：

python -m pip install --upgrade pip --user
pip uninstall -y protobuf
pip cache purge
pip uninstall -y tensorflow tensorflow-gpu tf-estimator-nightly keras tensorboard

• 命令执行完成后，手动打开路径c:\users\lior\appdata\roaming\python\python39\site-packages，删除所有名称以tensorflow、keras、tensorboard、~rotobuf开头的文件夹，彻底清除残缺文件。

2. 重建运行环境 #

如果需要继续使用Anaconda管理环境，重新安装适配Python3.9的Anaconda/Miniconda，安装完成后打开终端创建独立虚拟环境，避免全局旧包干扰：

conda create -n tf2.8 python=3.9
conda activate tf2.8

如果不使用Anaconda，直接使用系统Python或其他独立虚拟环境即可，跳过此步。

3. 安装匹配版本的GPU依赖 #

注：TensorFlow 2.1及以上版本不再单独区分CPU/GPU安装包，tensorflow-gpu为占位空包，直接安装主包即可获得GPU支持。TF2.8.0有严格的依赖版本要求，版本不匹配会直接导致GPU无法识别

• 先安装对应版本的GPU运行依赖：CUDA 11.2、cuDNN 8.1，确保NVIDIA显卡驱动版本≥450.80.02，安装完成后配置系统环境变量，执行nvcc -V可正常返回CUDA 11.2版本信息即为安装成功。
• 执行以下命令安装适配版本的TensorFlow和protobuf，避免版本兼容问题：

pip install tensorflow==2.8.0 protobuf==3.20.0

4. 验证修复结果 #

安装完成后重新运行GPU检测代码，若输出包含/physical_device:GPU:0的设备信息，说明GPU识别正常，导入报错问题同步解决。

内容的提问来源于stack exchange，提问作者lior1zh2000