前置条件

硬件条件

R5-5600G + RTX4060

当前日期

当前时间是2023年11月27日，请注意本文的时效性，保不齐后续出现某个组件的更新能够直接解决这个问题。

检查方法

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')]

那么恭喜，说明你的tf仅仅是检测不到GPU设备，CPU设备还是能够检查到的。
但是，好像从某个版本开始，tf就不区分CPU版和GPU版了，所以这个问题通过 install tensorflow-gpu 解决的方法已经过时了。

解决方法

整个解决思路也是看了别的大佬的文章整理的^{1 2}，这里我直接给出结论：大概率是tensorflow的版本安装得太高了，将版本降到2.10.0，并且将CUDA和cudnn的版本对齐（高了的话记得先卸载干净），我将我对齐的版本贴上。

版本列表

tensorflow==2.10.0

CUDA==12.1

cudnn==8.8

结果

再次检查，输出变为

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

则代表成功。

在keras项目开头加上

import os
os.environ["CUDA_VISIBLE_DEVICES"] = "0"

训练速度直接翻了三倍。

---

1. https://blog.csdn.net/bragen/article/details/129131278 ↩︎

2. https://blog.csdn.net/ly869915532/article/details/124542362 ↩︎