Python 要使用 GPU 加速，除了電腦有 GPU 與驅動程式之外，還必須安裝支援 GPU 的 Python 套件。TensorFlow、PyTorch 或 CuPy 若安裝到 CPU 版本，即使硬體與驅動都正確，程式仍可能偵測不到可用 GPU。
Python 使用 GPU 前要確認哪些條件？
Python 使用 GPU 前要確認三件事：硬體有支援的 GPU、系統已安裝正確驅動、Python 環境安裝的是支援 GPU 的函式庫。三項缺一項都可能導致 GPU 不可用。
前置作業可以整理成這張檢查表：
| 檢查項目 | 要確認的內容 | 常見問題 |
|---|---|---|
| GPU 硬體 | 電腦是否有支援的 NVIDIA GPU 或其他加速硬體 | 筆電可能使用內顯執行 |
| 驅動程式 | 驅動與 CUDA/cuDNN 版本是否符合套件需求 | 驅動太舊或版本不相容 |
| Python 套件 | TensorFlow、PyTorch、CuPy 是否安裝 GPU 版本 | 裝到 CPU 版本 |
| 虛擬環境 | GPU 專案是否和舊 CPU 專案分開 | 依賴版本互相污染 |
如果電腦以前已安裝 CPU 版本 TensorFlow，建議新增一個虛擬環境，讓 GPU 專案的套件與舊環境分開。
TensorFlow GPU 套件應該怎麼安裝？
TensorFlow GPU 套件應依官方 pip 安裝文件確認版本。安裝前應核對作業系統、Python 版本、CUDA 需求與套件名稱，避免下載不相容的 wheel 檔。
原文提到可參考 TensorFlow 官方 pip 安裝流程與 package location 列表。若想直接安裝特定 wheel 檔，可以使用類似下列指令：
```bash
pip install tensorflow-*.whl
```
原始筆記中的範例檔名 `tensorflow-apu-0.0.1-cp36-cp36m-linux_x86_64.whl` 看起來像示意名稱，實作時應以官方頁面列出的實際 wheel 檔名為準。
如何檢查 TensorFlow 有沒有可用 GPU？
TensorFlow 可以用 `tf.config.list_physical_devices("GPU")` 檢查可見 GPU。若回傳空列表，通常代表驅動、CUDA 或安裝套件版本其中一項不正確。
```py
import tensorflow as tf
print("TensorFlow version:", tf.version)
print("Available GPUs:", tf.config.list_physical_devices("GPU"))
```
若要指定 TensorFlow 使用第一張 GPU，可以先檢查列表，再設定可見裝置：
```py
import tensorflow as tf
gpus = tf.config.list_physical_devices("GPU")
print(gpus)
if gpus:
tf.config.set_visible_devices(gpus[0], "GPU")
```
實務上不要直接取 `tf.config.list_physical_devices("GPU")[0]`，因為沒有 GPU 時會出現 index error。先判斷 `gpus` 是否為空，會讓檢查流程更穩。
PyTorch 和 CuPy 怎麼確認 GPU 可用？
PyTorch 使用 `torch.cuda.is_available()` 檢查 CUDA 是否可用。CuPy 則可透過 CUDA device 資訊確認目前可用的 GPU 裝置。
PyTorch 範例：
```py
import torch
print(torch.cuda.is_available())
if torch.cuda.is_available():
x = torch.ones((2, 2), device="cuda")
print(x)
```
CuPy 範例：
```py
import cupy as cp
print(cp.cuda.Device().id)
x = cp.ones((2, 2))
print(x)
```
不同套件的 GPU 支援方式不同，但排查順序類似：先看硬體與驅動，再看套件版本，最後看程式是否把張量或陣列放到 GPU 上。
常見問題
TensorFlow 偵測不到 GPU 一定是顯卡壞掉嗎？
TensorFlow 偵測不到 GPU 不一定是硬體問題。更常見的原因是安裝了 CPU 版本套件、CUDA 版本不相容，或目前 Python 虛擬環境不是預期環境。
Python GPU 專案需要建立新的虛擬環境嗎？
Python GPU 專案建議建立新的虛擬環境。GPU 套件通常對 Python、CUDA 與相依套件版本較敏感，和舊 CPU 環境混用容易出現衝突。
PyTorch 可以只用 `.to("cuda")` 就啟用 GPU 嗎？
PyTorch 要先確認 `torch.cuda.is_available()` 回傳 True，再把張量或模型移到 CUDA 裝置。若 CUDA 不可用，`.to("cuda")` 會直接報錯。
CuPy 和 NumPy 的差別是什麼？
CuPy 的 API 設計接近 NumPy，但陣列運算主要在 GPU 上執行。若程式已大量使用 NumPy，CuPy 常被用來降低 GPU 改寫成本。
參考資料
- TensorFlow 官方 pip 安裝文件，https://www.tensorflow.org/install/pip，存取日期：2026-08-27。
- PyTorch 官方安裝文件，https://pytorch.org/get-started/locally/，存取日期：2026-08-27。
- CuPy 官方安裝文件，https://docs.cupy.dev/en/stable/install.html，存取日期：2026-08-27。
延伸閱讀
關於作者 {#author}
Claire Chang ｜ 企業 AI 導入與流程轉型顧問。專注於 AI Agent 架構設計、ERP 系統整合與企業 AI 治理。
首次發布：2023-01-03