戴尔Vostro搭载NVIDIA GTX1060时TensorFlow检测不到GPU问题求助

• 优先确认TensorFlow、CUDA、cuDNN版本严格匹配
  你使用的TensorFlow 2.3.0硬性要求配套CUDA 10.1、cuDNN 7.6.x，版本不匹配会直接导致GPU识别失败，不要使用11.x等更高版本的CUDA，无法向下兼容2.3.0版本的TensorFlow。
• 校验NVIDIA驱动版本
  GTX 1060 with Max-Q design的显卡驱动版本需要≥418.x才能适配CUDA 10.1，Windows下可在NVIDIA控制面板→帮助→系统信息查看驱动版本，Ubuntu下执行nvidia-smi命令查看，版本不足直接升级官方正式版驱动即可。
• 校验环境变量配置
  Windows下需要确保系统环境变量Path里已经添加了CUDA10.1的bin、libnvvp、extras/CUPTI/libx64目录，以及cuDNN解压后对应的bin、include、lib目录；
  Ubuntu下需要在~/.bashrc里添加如下配置：

  export PATH=/usr/local/cuda-10.1/bin${PATH:+:${PATH}}
  export LD_LIBRARY_PATH=/usr/local/cuda-10.1/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}
  

  添加后执行source ~/.bashrc生效。
• 验证CUDA本身是否正常可用
  Windows下打开cmd执行nvcc -V，Ubuntu下执行nvcc --version，如果能正常返回CUDA 10.1的版本信息说明CUDA安装没问题，返回命令不存在说明安装或者环境变量配置错误。同时执行nvidia-smi确认显卡状态正常，没有被其他进程独占。
• 校验TensorFlow安装正确性
  很多时候会出现误装CPU版本TensorFlow的情况，先执行pip list | findstr tensorflow（Windows）或者pip list | grep tensorflow（Ubuntu），确认输出里只有tensorflow-gpu==2.3.0，如果同时存在CPU版的tensorflow，先执行pip uninstall -y tensorflow tensorflow-gpu完全卸载后，重新执行pip install tensorflow-gpu==2.3.0安装。如果是用conda安装的用户，不要混用水源和conda源的TensorFlow包，统一用conda安装对应版本的GPU包。
• 双显卡设备额外排查
  如果是核显+独显的双显卡笔记本，Windows下可以打开NVIDIA控制面板→3D设置→管理3D设置→程序设置，找到你运行Python的exe程序，设置首选图形处理器为高性能NVIDIA处理器，避免TensorFlow默认调用核显导致识别不到独显。

内容的提问来源于stack exchange，提问作者Idan Tobis