前置条件

硬件条件

  R7-6800H + RTX3060（移动端）

检查方法

  检测 Tensorflow 是否检测得到 GPU，运行以下 Python 代码

import tensorflow as tf
gpus = tf.config.experimental.list_physical_devices(device_type='GPU')
cpus = tf.config.experimental.list_physical_devices(device_type='CPU')
print(gpus, cpus)

  如果运行结果为

[] [PhysicalDevice(name='/physical_device:CPU:0', device_type='CPU')]

则说明 TF 没有检测到 GPU。

  检测 Pytorch 是否检测得到 GPU，运行以下 Python 代码

import torch
print(torch.cuda.is_available())  # 判断是否可以使用 GPU 计算
print(torch.cuda.device_count())  # 显示 GPU 数量

  如果运行结果为

False
0

则说明 Pytorch 没有检测到 GPU。

解决方法

  我是直接根据我另一篇配置桌面端 4060 的文章尝试出来的，发现只要系统驱动和 Python 包能够对应上，且 NVIDIA 控制面板中的 CUDA 版本支持，应该是都没问题的（心虚）^{1 2}。

  各位要参考的话，所有的包如果之前有下载过不同版本的，最好是先卸载干净再进行安装，以保证和文章一致。

Python=3.7

GPU 系统驱动

  这俩玩意的安装已经有很多文章手把手教了，我这边就不凑字数和长度了，直接给大家版本。

CUDA=11.2

cudnn=8.1.1

GPU 在 Python 中的驱动

cudatoolkit=11.3.1

  选择高了一个版本的 cudatoolkit 仅仅是因为清华源没有提供 11.2 的。。。在我 4060 的那篇文章中有具体的表述。
  用 conda 下载安装，pip 不行，具体原因未知

conda install cudatoolkit=11.3.1

cudnn=8.2.1

  同样只能用 conda 下载安装

conda install cudnn=8.2.1

Tensorflow

tensorflow==2.10.0

  这里可以稍微注意一下，用 pip 安装 tensorflow 之前，最好确保 Python 版本在 3.5~3.8 之间³，否则可能会出现报错（所以我前面标明了我用的 Python 3.7）。

  这里就只能用 pip 下载安装了

pip install tensorflow==2.10.0

Pytorch

pytorch==1.10.0

  Pytorch 官网有提供官方的版本对齐文档⁴，根据之前的文章直接选择对应 CUDA 11.3 的 torch 版本。

conda install pytorch==1.10.0 torchvision==0.11.0 torchaudio==0.10.0 -c pytorch -c conda-forge

结果

  再次检查，Tensorflow 对应的输出变为

[PhysicalDevice(name='/physical_device:GPU:0', device_type='GPU')] [PhysicalDevice(name='/physical_device:CPU:0', device_type='CPU')]

Pytorch 对应的输出变为

True
1

则代表都检测成功了。

  保险起见，再加个 Pytorch 相关的验证，执行

print(torch.version.cuda)  # 读取 CUDA 版本
print(torch.backends.cudnn.version())  # 读取 cudnn 版本

若输出为

11.3
8200

则说明 CUDA 和 cudnn 都装了对的版本（反向验证一下本文可行性）。

---

1. 桌面端 4060 Tensorflow 或 Pytorch 检测不到 GPU 解决办法 ↩︎

2. 各版本对照表 ↩︎

3. 安装 Tensorflow 的 Python 版本要求 ↩︎

4. CUDA 版本对应的 Pytorch 版本 ↩︎