TensorFlow2.6.0搭配CUDA10.2无法识别GPU故障修复求助

当前conda环境内的cudatoolkit 10.0、cuDNN 7.6.5与安装的TensorFlow版本不匹配，是GPU无法识别、优化器报错的核心原因。TensorFlow对CUDA、cuDNN版本有严格绑定要求，版本不匹配会直接导致GPU设备不被识别。

你可以根据需求选择以下两种方案：

方案1：无需升级显卡驱动，适配现有CUDA 10.2（推荐） #

当前驱动版本440.33.01刚好满足CUDA10.2的最低要求，无需改动系统驱动即可完成修复：

• 第一步：激活目标conda环境，清理现有不兼容依赖
  依次执行以下命令：

  pip uninstall tensorflow tensorflow-gpu -y
  conda remove cudatoolkit cudnn -y
  

• 第二步：安装适配CUDA10.2的依赖包

  conda install cudatoolkit=10.2 cudnn=7.6.5 -c conda-forge -y
  

• 第三步：安装匹配CUDA10.2的TensorFlow GPU版本

  pip install tensorflow-gpu==2.4.0
  

方案2：保留TensorFlow 2.6.0版本 #

此方案需要先升级NVIDIA显卡驱动到≥450.80.02版本，满足CUDA11.2的运行要求：

• 第一步：激活目标conda环境，清理现有不兼容依赖

  pip uninstall tensorflow tensorflow-gpu -y
  conda remove cudatoolkit cudnn -y
  

• 第二步：安装适配TensorFlow2.6.0的依赖包

  conda install cudatoolkit=11.2 cudnn=8.1 -c conda-forge -y
  

• 第三步：重新安装TensorFlow 2.6.0 GPU版本

  pip install tensorflow-gpu==2.6.0
  

安装完成后运行你提供的测试代码，正常输出会显示可用GPU数量为1，矩阵运算日志会标注运行设备为GPU，Adam优化器也可正常调用。

内容的提问来源于stack exchange，提问作者Hemapriya R.