运行TensorFlow模型时仅使用CPU作为运行时的原因是什么？

• 版本适配问题
  TensorFlow 2.10及以上版本不再支持Windows原生环境下的GPU调用，若你使用Windows系统且在原生环境安装了高版本TensorFlow，只能通过WSL2子系统部署TensorFlow才能调用GPU。
• 依赖组件版本不匹配
  每个TensorFlow版本都有对应的CUDA、cuDNN版本要求，三者任意一个版本不匹配都会导致GPU无法被识别。
• 安装包类型错误
  若安装时执行的是默认pip install tensorflow命令，部分环境会自动安装CPU-only版本的TensorFlow，无法调用GPU。
• 环境变量配置缺失
  Windows系统下需要将CUDA、cuDNN的bin、lib\x64等路径手动添加到系统Path环境变量中，路径缺失或配置错误时TensorFlow无法找到GPU依赖库，会默认切换到CPU运行。
• GPU驱动版本过低
  若系统安装的NVIDIA显卡驱动版本达不到当前TensorFlow的最低要求，也会导致GPU无法被调用。

问题排查方法 #

运行以下代码即可验证TensorFlow的GPU识别状态，根据运行输出的报错信息可定位具体故障原因：

import tensorflow as tf
# 输出所有可识别的物理GPU设备
print(tf.config.list_physical_devices('GPU'))

内容的提问来源于stack exchange，提问作者sadekw6