Win10 64位下解决 NVIDIA 显示设置不可用(小白问题)

Win10 64位下解决 NVIDIA 显示设置不可用,您当前未使用连接到NVIDIA GPU 的显示器:

百度了一大片网上大佬给出好多个可能的问题:

1:右键点击我的电脑,右键选择属性。在弹出的页面中,选择设备管理器,在弹出的页面中,找到显示适配器,确认显卡安装正确

2: 驱动问题:卸载重装或更新(显卡驱动)

3:重启驱动,把圈住的那个文件右键重新启动试试,禁用的话改成自动

3:PCI     PCI不能锁定

win+R打开运行菜单,输入msconfig,

选择引导标签页

打开高级选项设置,取消PCI锁定

4:在试过上面一一万种方法之后,我终于顶不住了,然后找来了同学,他看了看我的主机,发现我的HMDI线插错了,应该插下面那个口,吐血。。。;OK搞定,希望对你有帮助嘿嘿

### 如何在 Windows 上检查 CuDNN 安装是否成功 为了确保 CuDNN 在 Windows 系统上安装成功,可以通过以下几个方法进行验证: #### 方法一:通过命令提示符 (CMD) 可以在 CMD 中执行特定的测试程序来验证 CUDA 和 CuDNN 的安装情况。 1. 打开命令提示符(按 `Win + R` 输入 `cmd` 并回车) 2. 进入到 CUDA 工具包的 demo_suite 文件夹路径。例如对于 v10.1 版本,路径可能是: ```plaintext C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\extras\demo_suite\ ``` 3. 使用带参数的方式运行 `bandwidthTest.exe` 或者 `deviceQuery.exe` 来检测环境设置是否正确[^4]。 #### 方法二:编写简单的 TensorFlow 测试脚本 另一种方式是利用支持 GPU 加速的框架如 TensorFlow 编写一段 Python 脚本来查看是否有可用的 GPU 设备以及加载 CuDNN 库的情况。 ```python import tensorflow as tf if tf.test.is_built_with_cuda(): print("TensorFlow was built with CUDA support.") else: print("TensorFlow does not have CUDA support.") print("Num GPUs Available:", len(tf.config.experimental.list_physical_devices('GPU'))) ``` 这段代码会输出当前环境中是否存在有效的 GPU 支持,并显示数量。如果有正常工作的 GPU 显示出来,则说明 CuDNN 配置无误[^1]。 #### 方法三:查阅系统日志和服务状态 有时也可以通过观察系统的事件查看器中的应用程序和服务日志来获取有关 NVIDIA 驱动程序的状态信息;另外还可以启动 "NVIDIA 控制面板" 查看显卡的工作状况及驱动版本等详情[^2]。
评论 2
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值