如何在GTX 1050移动版上使用TensorFlow？装CUDA后仍失败求助

嘿，我之前也碰到过类似的坑——GTX 1050明明支持CUDA，但TensorFlow就是不肯用它干活。结合你的情况，咱们一步步排查解决：

第一步：先确认TensorFlow到底认不认你的GPU #

先跑一段极简代码，验证TensorFlow能不能检测到你的GTX1050：

import tensorflow as tf

# TensorFlow 2.x 用这个
print("可用GPU数量: ", len(tf.config.list_physical_devices('GPU')))
# 旧版TensorFlow（1.x）用这个
print(tf.test.is_gpu_available())

如果输出是0或者False，那说明TensorFlow压根没识别到GPU，得先搞定这个基础问题。

第二步：核对版本兼容性，这是重灾区！ #

你装了CUDA 9.0，那对应的TensorFlow版本必须严丝合缝匹配：

• TensorFlow 1.12.x 是完美适配CUDA 9.0 + CuDNN 7.1的版本
• 如果装的是TensorFlow 1.13+，它需要CUDA 10.0以上，CUDA9.0直接不兼容
• 要是你装的是TensorFlow 2.x，CUDA9.0也不够，至少得CUDA10.1起步

另外，CuDNN必须是专门适配CUDA9.0的版本（比如CuDNN 7.1.4），别随便下最新版，去NVIDIA官网找对应CUDA9.0的包才行。

第三步：检查环境配置有没有漏 #

Windows用户注意： #

1. 把CuDNN解压后的bin、include、lib/x64文件夹里的文件，复制到CUDA 9.0安装目录的对应文件夹（比如C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0下的同名文件夹）
2. 环境变量里必须有这些路径：
   • PATH添加C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\bin
   • PATH添加C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\libnvvp
   • 新增CUDA_PATH变量，值设为C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0

Linux/macOS用户注意： #

把CuDNN的lib目录加到LD_LIBRARY_PATH里，比如在~/.bashrc里加：

export LD_LIBRARY_PATH=/usr/local/cuda-9.0/lib64:$LD_LIBRARY_PATH
export CUDA_HOME=/usr/local/cuda-9.0

然后执行source ~/.bashrc让配置生效。

第四步：别同时导入tensorflow和tensorflow-gpu！ #

你说同时导入了这两个包，这会直接导致冲突！

• TensorFlow 1.x：只需要安装并导入tensorflow-gpu，CPU版的tensorflow可以卸载掉
• TensorFlow 2.x：已经没有单独的tensorflow-gpu包了，直接装tensorflow就行，环境配置对的话会自动启用GPU

第五步：显式指定GPU运行运算 #

有时候TensorFlow会默认偷懒用CPU，你可以强制指定GPU设备来跑你的代码：

# 指定用第0块GPU（你的GTX1050就是这个）
with tf.device('/GPU:0'):
    a = tf.constant([1.0, 2.0, 3.0, 4.0, 5.0, 6.0], shape=[2, 3], name='a')
    b = tf.constant([1.0, 2.0, 3.0, 4.0, 5.0, 6.0], shape=[3, 2], name='b')
    c = tf.matmul(a, b)

# 打印结果，看看是不是在GPU上运算的
print(c)

额外小检查 #

• 确认笔记本没切换到核显，去NVIDIA控制面板设置全局用GTX1050
• 看看有没有其他进程占着GPU（比如游戏、视频渲染软件），关掉再试

按这些步骤排查下来，你的GTX1050应该就能正常干活了！

内容的提问来源于stack exchange，提问作者Félix Gravet