我在开发一个卷积神经网络时注意到，训练阶段使用的是CPU，CPU使用率达到100%，而没有使用我的GTX 1660Ti显卡。

TensorFlow无法识别我的1660Ti

我尝试按照TensorFlow网站上的这个指南进行操作。

import tensorflow as tfprint("Num GPUs Available: ", len(tf.config.list_physical_devices('GPU')))

输出结果是

Num GPUs Available:  0

我还尝试读取TensorFlow识别的所有设备

tf.config.list_physical_devices()

输出结果是

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

我阅读到的相关信息

我在网上搜索后发现，可能需要安装NVidia CUDA工具包。我从这里进行了安装，但问题依然存在。

我发现NVidia CUDA并非在所有GPU上都启用：来源。我觉得这有点奇怪，为什么NVidia要限制部分客户使用CUDA？

附加信息

我的requirements.txt文件（如果软件版本有助于解决问题）：

matplotlib==3.4.2keras==2.4.3tensorflow-gpu==2.5.0seaborn==0.11.1

我在Jupyter Notebook中运行Python代码（通过pip安装）

我的问题

有没有办法让我使用GPU进行CUDA计算（或者至少像这种情况一样使用TensorFlow）？

回答：

我最终解决了这个问题。

我从这里下载了cuDNN，并按照这个安装指南，最终使其正常工作。

import tensorflow as tfprint("Num GPUs Available: ", len(tf.config.list_physical_devices('GPU')))

现在输出结果是

Num GPUs Available:  1

以及

tf.config.list_physical_devices()

现在输出结果是

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