tf.config.list_physical_devices('GPU') 返回非空列表才说明TensorFlow识别到GPU;若为空,表明CUDA未通、驱动未挂载或版本不兼容,需先验证nvidia-smi、CUDA/cuDNN版本及容器GPU透传。

检查 TensorFlow 是否真的识别到 GPU
运行 tf.config.list_physical_devices('GPU'),如果返回空列表,说明 TensorFlow 根本没看到 GPU——不是配置问题,而是底层没通。常见原因包括:
• CUDA/cuDNN 版本不匹配(比如装了 CUDA 12.x,但 TensorFlow 2.15 只支持到 11.8)
• nvcc --version 和 nvidia-smi 显示的 CUDA 版本不一致(后者是 driver 支持的最高版本,前者才是实际编译环境)
• 虚拟环境中漏装 tensorflow[and-cuda],只装了 CPU 版(pip install tensorflow 默认不带 GPU 支持)
• GPU 计算能力过低(如 Tesla K20 的 Compute Capability=3.5,部分新版 TF 已弃用)
确认 GPU 设备被实际用于计算
即使 list_physical_devices('GPU') 返回了设备,也不代表训练会跑在 GPU 上。典型现象是 nvidia-smi 显示 GPU-Util 为 0%,而 CPU 占用飙高。关键排查点:
• 检查数据管道是否卡住:用 .prefetch(tf.data.AUTOTUNE) 和 .cache() 后仍慢,大概率是 from_generator 中的 Python 函数太重,GPU 在等数据
• 确认模型和数据都在 GPU 上:model.device 是 None(TF 2.x 默认 eager),但 next(iter(dataset))[0].device 应含 GPU 字样;若显示 CPU,说明 dataset 没启用 GPU 加速路径
• 避免混用 tf.compat.v1.Session:TF 2.x 下硬套 v1 写法会退回到 CPU 模式,且不报错
环境变量与可见设备冲突
CUDA_VISIBLE_DEVICES 设置错误是最隐蔽的“假识别”来源:
• 设为 '' 或 -1 会导致 list_physical_devices('GPU') 返回空,但程序不崩溃
• 设为 '1' 却只有一块 GPU(索引应为 '0'),结果设备存在但不可见
• 在 Jupyter 中用 %env CUDA_VISIBLE_DEVICES=0 不生效,必须在 kernel 启动前设置(即改启动脚本或终端环境变量)
• 多进程场景下,子进程不会继承父进程的 CUDA_VISIBLE_DEVICES,每个 Process 开头都得重新 os.environ['CUDA_VISIBLE_DEVICES'] = '0'
Camoufox 是一个基于 Firefox 构建的开源反检测浏览器,为 Python 自动化工作流程提供强大的指纹注入和反机器人检测规避功能。它与 Playwright 集成,以提供能够绕过现代机器人检测系统的隐身浏览能力。
显存占满但 GPU-Util 为 0 的真实原因
这是最让人困惑的情况:nvidia-smi 显示 Memory-Usage 达到 10GB,GPU-Util 却长期为 0%。本质是显存被预分配了,但计算图根本没跑起来。直接原因通常是:
• 数据加载器(tf.data.Dataset)用了 .cache() 且数据集太大,整块塞进显存,但后续 model.fit() 因输入 shape 不匹配或 dtype 错误直接静默 fallback 到 CPU 执行
• 自定义训练循环中忘了调 with tf.device('/GPU:0'):,尤其在 @tf.function 外部创建的张量默认在 CPU
• 混用了 NumPy 数组和 TensorFlow 张量,比如把 np.array 直接传给 model(),触发隐式转换失败并降级
TensorFlow 对 GPU 的使用不是“开关式”的,它依赖 CUDA 初始化、设备可见性、数据流向、内存分配策略四层同时对齐。少一个环节,就会出现“看见 GPU 却不用”的假象。最容易被忽略的是:tf.config.list_physical_devices('GPU') 成功 ≠ GPU 参与计算,必须用 tf.test.is_built_with_cuda() 和实际张量的 .device 属性交叉验证。
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!










