NVIDIA Geforce GT 540M未出现在物理设备列表，能否用于机器学习

核心结论 #

NVIDIA GeForce GT 540M 理论上可以运行极简单的机器学习任务，但完全不满足当前主流机器学习框架的使用要求，实用价值极低。 #

无法被TensorFlow识别的原因 #

• GT 540M的CUDA计算能力仅为2.1，而当前所有正式发行的TensorFlow 2.x版本，最低要求显卡CUDA计算能力≥3.5，远高于该显卡的硬件参数
• 你当前安装的CUDA Toolkit、CuDNN均为适配新版TensorFlow的高版本，本身就不兼容计算能力2.1的硬件，因此运行tf.config.experimental.list_physical_devices()只能识别到CPU属于正常情况，和环境安装操作无关

强制使用该显卡的可行方案 #

如果一定要用该显卡运行机器学习任务，只能降级安装旧版本的工具链，匹配要求如下：

• TensorFlow 版本：1.2 ~ 1.4
• CUDA Toolkit 版本：8.0
• CuDNN 版本：v5.1
  注意该版本组合的框架语法和当前主流版本差异极大，仅能运行部分早期的简单DNN、入门级CNN demo，无法支持绝大多数新模型、新API。

实际使用建议 #

该显卡多数批次显存仅为1GB，最高配也只有2GB，哪怕成功搭建旧环境，也只能处理极小的数据集，稍复杂的模型就会触发显存溢出，不建议投入精力折腾旧环境，有实际使用需求优先更换CUDA计算能力≥3.5、显存≥4GB的NVIDIA显卡。 #

内容的提问来源于stack exchange，提问作者Saad