conda安装的tensorflow-gpu 2.5.0无法识别GPU如何解决

• 优先排查版本兼容性问题
  TensorFlow 2.5的官方适配依赖为CUDA 11.2 + cuDNN 8.1，你当前环境安装的cudatoolkit 11.3、cuDNN 8.2超出适配范围，是识别失败的核心常见原因。
  可执行以下命令替换为匹配版本：

  conda install cudatoolkit=11.2 cudnn=8.1
  

• 检查NVIDIA显卡驱动版本
  CUDA 11.x系列对显卡驱动有最低版本要求：Linux系统需 >= 450.80.02，Windows系统需 >= 456.38。你可以在终端执行nvidia-smi命令查看当前驱动版本，版本不达标的话先升级官方发布的显卡驱动。
• 确认conda环境变量加载优先级
  虽然conda会自动配置cudatoolkit的路径，但部分系统会优先调用全局安装的CUDA组件：
  • Linux系统执行echo $LD_LIBRARY_PATH，确认当前激活的ML4环境对应的/envs/ML4/lib路径在列表中优先级靠前
  • Windows系统执行echo %PATH%，确认ML4环境对应的\envs\ML4\Library\bin、\envs\ML4\bin路径优先级高于全局CUDA安装路径
• 验证安装包完整性
  上述操作无效的话，可先卸载现有TensorFlow包，切换默认官方源重新安装：

  conda remove tensorflow-gpu
  conda install -c defaults tensorflow-gpu=2.5
  

内容的提问来源于stack exchange，提问作者Angel33