TensorFlow 1.6.0在Windows 10中无法识别GPU求助

结合你的环境配置来看，这是TensorFlow GPU版本无法正确调用显卡的典型问题，我整理了几个关键排查和修复步骤，帮你定位并解决问题：

1. 优先检查版本兼容性（最可能的根源） #

TensorFlow 1.6.0的官方兼容列表明确要求：CUDA Toolkit 9.0而非9.1，对应的cuDNN版本是7.0.x（比如7.0.5）。你当前使用的CUDA 9.1和cuDNN 7.1.1超出了该版本的适配范围，这大概率是GPU无法被识别的核心原因。

2. 重新配置CUDA和cuDNN环境 #

• 先卸载当前的CUDA 9.1及所有补丁，安装适配TensorFlow 1.6.0的CUDA Toolkit 9.0（注意选择与Windows 10匹配的版本）
• 下载适配CUDA 9.0的cuDNN 7.0.5，解压后将bin、include、lib/x64三个文件夹内的内容，分别复制到CUDA 9.0安装目录对应的文件夹中（例如C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\bin）
• 检查系统环境变量：
  • 确保存在CUDA_PATH变量，值为CUDA 9.0的安装路径
  • 在Path变量中添加：
    • %CUDA_PATH%\bin
    • %CUDA_PATH%\libnvvp

3. 验证CUDA本身是否能识别GPU #

打开命令提示符，导航到CUDA 9.0的demo_suite目录：

cd "C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\extras\demo_suite"

运行deviceQuery.exe，如果输出中显示你的1080TI硬件信息，且最后显示Result = PASS，说明CUDA本身已正确识别GPU；如果失败，需要检查显卡驱动或CUDA安装是否存在异常。

4. 清理并重新安装TensorFlow GPU版本 #

同时安装tensorflow和tensorflow-gpu可能会导致冲突，建议只保留GPU版本：

• 先卸载现有版本：

  pip uninstall tensorflow tensorflow-gpu -y
  

• 重新安装指定版本的GPU版TensorFlow：

  pip install tensorflow-gpu==1.6.0
  

5. 验证TensorFlow是否识别GPU #

运行以下Python代码，查看设备分配日志：

import tensorflow as tf
# 开启设备放置日志，查看TensorFlow是否使用GPU
sess = tf.Session(config=tf.ConfigProto(log_device_placement=True))

如果输出中出现类似/device:GPU:0的设备信息，说明GPU已经被成功识别并调用。

补充说明：你的显卡驱动391.01是兼容CUDA 9.0的，不需要更换驱动版本。

内容的提问来源于stack exchange，提问作者Alessandro Corradini