nvidia-smi是nvidia提供的gpu监控与管理命令行工具，可查看gpu名称、温度、显存占用、利用率、功耗等实时状态，并支持进程管理、计算模式切换、ecc错误检测及性能调节等功能。
检查 nvidia-smi 是否能正常显示 GPU 信息
这是最基础但最容易被跳过的一步。如果系统连显卡驱动都没加载成功，TensorFlow 肯定无法识别 GPU。nvidia-smi 命令必须在终端中直接运行并返回包含 GPU 名称、温度、显存使用情况的表格。常见失败现象包括：NVIDIA-SMI has failed because it couldn't communicate with the NVIDIA driver 或直接提示命令未找到。
- 若报驱动错误，说明驱动未安装或版本不匹配，需重装对应 CUDA 版本支持的驱动（不是越新越好）
- 若命令未找到，说明
nvidia-driver包未安装（Ubuntu）或 NVIDIA 控制面板未安装（Windows） - Linux 下确认当前用户是否在
video或render用户组中（影响设备文件访问权限）
验证 TensorFlow 是否真的支持 CUDA 构建
仅靠 pip install tensorflow 安装的是 CPU-only 版本，即使系统有 GPU 也不会启用。必须安装 tensorflow-gpu（TF 2.1–2.9）或带 CUDA 支持的 tensorflow（TF 2.10+），且版本必须与本地 CUDA/cuDNN 版本严格对齐。
- 运行
python -c "import tensorflow as tf; print(tf.__version__); print(tf.test.is_built_with_cuda())"—— 若输出False，说明当前 TF 是 CPU 编译版，立即卸载重装 - TF 2.10+ 已移除
tensorflow-gpu包，统一用tensorflow，但它默认只带 CUDA 11.2 支持；若你用的是 CUDA 11.8，则需手动编译或找社区 wheel（如tensorflow-cpu永远不会启用 GPU） - Windows 用户注意：TF 官方 wheel 仅支持 WSL2 下的 CUDA，原生 Windows + GPU 需用
tensorflow-directml（仅限 AMD）或降级到 TF 2.5–2.9 + CUDA 11.2
运行 tf.test.is_gpu_available() 或 tf.config.list_physical_devices('GPU') 的实际含义
这两个函数常被误读为“GPU 可用性检测”，其实它们只反映 TensorFlow 当前会话能否 *看到* GPU 设备，不保证能分配显存或执行 kernel。尤其在容器、多用户或资源受限环境中，返回空列表很常见。
-
tf.test.is_gpu_available()在 TF 2.1+ 中已弃用，且内部逻辑简单粗暴：只查 device list 是否非空，建议直接用tf.config.list_physical_devices('GPU') - 若返回
[]，但nvidia-smi和is_built_with_cuda()都正常，大概率是 CUDA 库路径未暴露 —— 检查LD_LIBRARY_PATH（Linux）或PATH（Windows）是否包含cuda/lib64和cudnn/lib64 - 某些云环境（如 AWS EC2 p3）需要额外安装
nvidia-container-toolkit并配置 Docker daemon 才能让容器内 Python 看到 GPU
启动后显存分配失败的典型报错和绕过方式
即使 list_physical_devices('GPU') 返回了设备，模型训练时仍可能崩在 ResourceExhaustedError: OOM when allocating tensor 或 Failed to get convolution algorithm。这不是找不到 GPU，而是 GPU 初始化阶段就失败了。
- 默认情况下 TF 2.x 会尝试预分配全部显存，若其他进程占用了部分显存（比如另一个 Jupyter kernel），就会失败；可在导入 TF 后立即插入：
gpus = tf.config.experimental.list_physical_devices('GPU'); [tf.config.experimental.set_memory_growth(gpu, True) for gpu in gpus] -
Failed to get convolution algorithm通常意味着 cuDNN 版本与 TF 不兼容，例如 TF 2.8 要求 cuDNN 8.1，而你装了 8.2 —— 不要盲目升级 cuDNN，应查 TF 官方文档的tested build configurations表格 - Windows 上出现
DLL load failed while importing pywrap_tensorflow，基本是 MSVC 运行时冲突，建议用 conda 安装（自动解决 DLL 依赖）而非 pip
TensorFlow 对 GPU 的依赖链极长：驱动 → CUDA runtime → cuDNN → TF 编译选项 → 运行时环境变量 → 进程级显存策略。任一环节错位都会表现为“找不到 GPU”，但真正原因可能藏在最上游的 nvidia-smi 输出里。
Python免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 Python 的核心概念和高级技巧！
