VSCode中使用TensorFlow时无法识别RTX 3070 GPU问题求助

以下是操作中可能存在的问题及对应解决步骤：

• 版本不兼容问题
  你直接执行conda install cuda -c nvidia默认会安装最新版CUDA，而每个TensorFlow版本对CUDA、cuDNN的大版本都有严格要求，版本不匹配是识别失败的最常见原因。比如Windows原生的TensorFlow 2.10及以下版本最高仅支持CUDA 11.2，若你安装了CUDA 12.x版本就完全无法识别GPU。
• 缺少cuDNN依赖
  仅安装CUDA不足以让TensorFlow调用GPU，还需要安装对应版本的cuDNN库，你当前的操作步骤里没有安装cuDNN的环节，也会导致识别失败。
• 环境路径优先级冲突
  如果你的Windows系统中之前单独安装过其他版本的CUDA，系统环境变量里的CUDA路径优先级高于conda虚拟环境的CUDA路径，会导致TensorFlow优先调用版本不匹配的系统CUDA，忽略conda环境内的CUDA。
• 误装CPU版本TensorFlow
  如果安装TensorFlow时不小心选择了CPU-only版本，哪怕CUDA、cuDNN配置完全正确，也无法识别到GPU设备。

修复步骤 #

1. 先查看当前环境的TensorFlow版本：

pip show tensorflow

确认该版本对应的CUDA、cuDNN要求。
2. 卸载当前环境内不匹配的CUDA、cuDNN、TensorFlow：

conda remove cuda cudnn
pip uninstall tensorflow

3. 按照匹配的版本号重新安装，例如TensorFlow 2.15对应CUDA 12.2、cuDNN 8.9，安装命令为：

conda install cuda=12.2 cudnn=8.9 -c nvidia
pip install tensorflow==2.15

4. 重启终端重新激活conda环境，再次运行GPU检测代码，若依旧识别失败，将conda环境路径下的Library\bin目录移动到系统PATH变量的最顶端，避免系统CUDA的干扰。
5. 若仍有问题，运行如下代码验证TensorFlow是否支持CUDA：

import tensorflow as tf
print(tf.test.is_built_with_cuda())

如果输出为False，说明安装的是CPU版本TensorFlow，重新安装对应GPU版即可。

内容的提问来源于stack exchange，提问作者OK 400