一、GPU 版本库安装失败（如pip install tensorflow-gpu提示 “无匹配版本”）
- 解决办法：
- 确认 TensorFlow 2.10 + 已整合 GPU 支持，直接安装tensorflow（无需-gpu后缀）
- 检查 CUDA 版本是否兼容（如 TensorFlow 2.15 需 CUDA 11.8）
- 用conda安装带 GPU 依赖的版本：conda install -c nvidia tensorflow。
二、CUDA 与 CuDNN 版本不匹配（如 “CUDA driver version is insufficient for CUDA runtime version”）
- 解决办法：
- 查看框架要求的 CUDA 版本（如 PyTorch 2.0 需 CUDA 11.7/11.8）
- 安装对应版本的 CUDA Toolkit 和 CuDNN（从NVIDIA 官网下载）
- 用conda自动匹配：conda install cudatoolkit=11.7 cudnn=8.5 -c nvidia。
三、GPU 识别失败（如torch.cuda.is_available()返回False）
- 解决办法：
- 检查 NVIDIA 驱动是否安装：nvidia-smi命令是否有输出（无则安装对应驱动）
- 确认 CUDA 路径已配置：echo $LD_LIBRARY_PATH（Linux）应包含/usr/local/cuda/lib64
- 重启电脑或重新加载 NVIDIA 模块：sudo modprobe nvidia。
四、GPU 内存不足（如 “CUDA out of memory”）
- 解决办法：
- 减小批量大小（batch_size从 32 改为 16）
- 启用梯度累积：loss.backward()前累积多个 batch 的梯度
- 使用混合精度训练（PyTorch：torch.cuda.amp；TensorFlow：tf.keras.mixed_precision）。
五、Apple Silicon 芯片适配问题（M1/M2 芯片安装tensorflow失败）
- 解决办法：
- 使用针对 Apple 芯片的tensorflow-macos：pip install tensorflow-macos tensorflow-metal
- 通过conda-forge安装适配版本：conda install -c conda-forge tensorflow -y
- 确认 Python 版本为 3.8-3.10（Apple Silicon 对 3.11 + 支持有限）。